CN116561538A - 问答评分方法、问答评分装置、电子设备及存储介质 - Google Patents

Abstract

本申请实施例提供了一种问答评分方法、问答评分装置、电子设备及存储介质，属于人工智能技术领域。该方法包括：获取目标语料数据，其中，目标语料数据包括结构化数据和非结构化数据中的至少一种；基于目标语料数据构建问答对数据，其中，问答对数据包括多个问答对，每个问答对包括一个目标问题和目标问题对应的目标答案；将目标问题输入至待评分的问答模型进行答案生成，得到预测答案；基于预测答案、目标答案对问答模型进行评分处理，得到问答模型的目标评分数据，其中，目标评分数据用于表征问答模型的问答表现。本申请实施例能够在保证接近人类标注水平的前提下，较为方便地提高对问答模型的问答表现的评分效率。

Description

问答评分方法、问答评分装置、电子设备及存储介质

技术领域

本申请涉及人工智能技术领域，尤其涉及一种问答评分方法、问答评分装置、电子设备及存储介质。

背景技术

目前的问答模型的问答对生成常常依赖于人工构造的模板与规则或者结构化的现有知识库，这往往会造成生成的问答对具有较大的局限性，使得基于问答对无法较为全面地确定问答模型的答案预测能力。此外，在评估问答模型的答案预测能力时，常常依赖于人工评分的方式，会造成对问答模型进行评分的效率低下，而基于计算模型答案与标准答案之间相似度的机械指标(如Bleu score或者ROGUE score)尽管在效率上具有优势，但其在部分场景下如开放式自然语言问答无法全面反映问答模型的真实质量好坏，因此无法广泛应用于问答系统的测评。

发明内容

本申请实施例的主要目的在于提出一种问答评分方法、问答评分装置、电子设备及存储介质，旨在保证问答评分接近人类评估水平的同时，提高对问答模型进行评分的效率。

为实现上述目的，本申请实施例的第一方面提出了一种问答评分方法，所述方法包括：

获取目标语料数据，其中，所述目标语料数据包括结构化数据和非结构化数据中的至少一种；

基于所述目标语料数据构建问答对数据，其中，所述问答对数据包括多个问答对，每个所述问答对包括一个目标问题和所述目标问题对应的目标答案；

将所述目标问题输入至待评分的问答模型进行答案生成，得到预测答案；

基于所述预测答案、所述目标答案对所述问答模型进行评分处理，得到所述问答模型的目标评分数据，其中，所述目标评分数据用于表征所述问答模型的问答表现。

在一些实施例，所述获取目标语料数据，包括：

从预设的数据库中提取原始语料数据，其中，所述原始语料数据为结构化数据；

对所述原始语料数据进行数据清洗，得到所述目标语料数据。

在一些实施例，所述基于所述目标语料数据构建问答对数据，包括：

获取预设的问答模板；

基于所述问答模板和所述目标语料数据，构建所述目标问题和所述目标问题对应的目标答案；

基于所述目标问题和所述目标答案，生成所述问答对；

对所有所述问答对进行整合处理，得到所述问答对数据。

在一些实施例，所述获取目标语料数据，包括：

获取由目标对象确定的非结构化数据；

获取目标任务对应的样本数据；

基于所述样本数据和所述非结构化数据，得到所述目标语料数据。

在一些实施例，所述基于所述目标语料数据构建问答对数据，包括：

将所述目标语料数据输入至预训练的大型语言模型中；

基于所述大型语言模型对所述目标语料数据进行特征提取，得到所述目标问题和所述目标答案；

基于所述目标问题和所述目标答案，生成所述问答对；

对所有所述问答对进行整合处理，得到所述问答对数据。

在一些实施例，所述基于所述预测答案、所述目标答案对所述问答模型进行评分处理，得到所述问答模型的目标评分数据，包括：

获取所述目标评分数据中每个评分指标对应的预设公式；

基于所述预设公式、所述预测答案、所述目标答案，计算每个所述评分指标对应的初步评分数据；

基于所述初步评分数据，得到所述目标评分数据。

在一些实施例，所述基于所述预测答案、所述目标答案对所述问答模型进行评分处理，得到所述问答模型的目标评分数据，包括：

获取目标对象确定的评分案例数据；

将所述预测答案、所述评分案例数据、所述目标答案输入至预设的评分模型中，以使所述评分模型根据所述评分案例数据和所述目标答案进行上下文学习；

基于经过上下文学习的所述评分模型对所述问答模型进行评分，得到所述问答模型的目标评分数据。

为实现上述目的，本申请实施例的第二方面提出了一种问答评分装置，所述装置包括：

所述装置包括：

数据获取模块，用于获取目标语料数据，其中，所述目标语料数据包括结构化数据和非结构化数据中的至少一种；

问答对生成模块，用于基于所述目标语料数据构建问答对数据，其中，所述问答对数据包括多个问答对，每个所述问答对包括一个目标问题和所述目标问题对应的目标答案；

答案生成模块，用于将所述目标问题输入至待评分的问答模型进行答案生成，得到预测答案；

评分模块，用于基于所述预测答案、所述目标答案对所述问答模型进行评分处理，得到所述问答模型的目标评分数据，其中，所述目标评分数据用于表征所述问答模型的问答表现。

为实现上述目的，本申请实施例的第三方面提出了一种电子设备，所述电子设备包括存储器、处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的方法。

为实现上述目的，本申请实施例的第四方面提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的方法。

本申请提出的问答评分方法、问答评分装置、电子设备及存储介质，其通过获取目标语料数据，其中，目标语料数据包括结构化数据和非结构化数据中的至少一种；基于目标语料数据构建问答对数据，其中，问答对数据包括多个问答对，每个问答对包括一个目标问题和目标问题对应的目标答案，能够利用结构化数据和非结构化数据生成问答对，提高问答对的数量丰富性和类别丰富性，也能够利用目标问题和目标答案来实现对问答模型的问答能力的评分。进一步地，将目标问题输入至待评分的问答模型进行答案生成，得到预测答案；基于预测答案、目标答案对问答模型进行评分处理，得到问答模型的目标评分数据，其中，目标评分数据用于表征问答模型的问答表现，能够较为方便地根据预测答案和目标答案之间的差异情况来确定问答模型的问答能力，能在保证问答评分接近人类评估水平的同时，提高对问答模型的问答表现进行评分的效率。

附图说明

图1是本申请实施例提供的问答评分方法的流程图；

图2是图1中的步骤S101的流程图；

图3是图1中的步骤S101的另一流程图；

图4是图1中的步骤S102的流程图；

图5是图1中的步骤S102的另一流程图；

图6是图1中的步骤S104的流程图；

图7是图1中的步骤S104的另一流程图；

图8是本申请实施例提供的问答评分装置的结构示意图；

图9是本申请实施例提供的电子设备的硬件结构示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。

需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。

首先，对本申请中涉及的若干名词进行解析：

人工智能(artificial intelligence，AI)：是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学；人工智能是计算机科学的一个分支，人工智能企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能可以对人的意识、思维的信息过程的模拟。人工智能还是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

自然语言处理(natural language processing，NLP)：NLP用计算机来处理、理解以及运用人类语言(如中文、英文等)，NLP属于人工智能的一个分支，是计算机科学与语言学的交叉学科，又常被称为计算语言学。自然语言处理包括语法分析、语义分析、篇章理解等。自然语言处理常用于机器翻译、手写体和印刷体字符识别、语音识别及文语转换、信息意图识别、信息抽取与过滤、文本分类与聚类、舆情分析和观点挖掘等技术领域，它涉及与语言处理相关的数据挖掘、机器学习、知识获取、知识工程、人工智能研究和与语言计算相关的语言学研究等。

信息抽取(Information Extraction，IE)：从自然语言文本中抽取指定类型的实体、关系、事件等事实信息，并形成结构化数据输出的文本处理技术。信息抽取是从文本数据中抽取特定信息的一种技术。文本数据是由一些具体的单位构成的，例如句子、段落、篇章，文本信息正是由一些小的具体的单位构成的，例如字、词、词组、句子、段落或是这些具体的单位的组合。抽取文本数据中的名词短语、人名、地名等都是文本信息抽取，当然，文本信息抽取技术所抽取的信息可以是各种类型的信息。

目前的问答模型的问答对生成常常依赖于人工构造的模板与规则或者结构化的现有知识库，这往往会造成生成的问答对具有较大的局限性，使得基于问答对无法较为全面地确定问答模型的答案预测能力。此外，在评估问答模型的答案预测能力时，常常依赖于人工评分的方式，会造成对问答模型进行评分的效率低下。

基于此，本申请实施例提供了一种问答评分方法、问答评分装置、电子设备及存储介质，旨在提高对问答模型进行评分的效率。

本申请实施例提供的问答评分方法和装置、电子设备及存储介质，具体通过如下实施例进行说明，首先描述本申请实施例中的问答评分方法。

本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。

本申请实施例提供的问答评分方法，涉及人工智能技术领域。本申请实施例提供的问答评分方法可应用于终端中，也可应用于服务器端中，还可以是运行于终端或服务器端中的软件。在一些实施例中，终端可以是智能手机、平板电脑、笔记本电脑、台式计算机等；服务器端可以配置成独立的物理服务器，也可以配置成多个物理服务器构成的服务器集群或者分布式系统，还可以配置成提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN以及大数据和人工智能平台等基础云计算服务的云服务器；软件可以是实现问答评分方法的应用等，但并不局限于以上形式。

本申请可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

图1是本申请实施例提供的问答评分方法的一个可选的流程图，图1中的方法可以包括但不限于包括步骤S101至步骤S104。

步骤S101，获取目标语料数据，其中，目标语料数据包括结构化数据和非结构化数据中的至少一种；

步骤S102，基于目标语料数据构建问答对数据，其中，问答对数据包括多个问答对，每个问答对包括一个目标问题和目标问题对应的目标答案；

步骤S103，将目标问题输入至待评分的问答模型进行答案生成，得到预测答案；

步骤S104，基于预测答案、目标答案对问答模型进行评分处理，得到问答模型的目标评分数据，其中，目标评分数据用于表征问答模型的问答表现。

本申请实施例所示意的步骤S101至步骤S104，通过获取目标语料数据，其中，目标语料数据包括结构化数据和非结构化数据中的至少一种；基于目标语料数据构建问答对数据，其中，问答对数据包括多个问答对，每个问答对包括一个目标问题和目标问题对应的目标答案，能够利用结构化数据和非结构化数据生成问答对，提高问答对的数量丰富性和类别丰富性，也能够利用目标问题和目标答案来实现对问答模型的问答能力的评分。进一步地，将目标问题输入至待评分的问答模型进行答案生成，得到预测答案；基于预测答案、目标答案对问答模型进行评分处理，得到问答模型的目标评分数据，其中，目标评分数据用于表征问答模型的问答表现，能够较为方便地根据预测答案和目标答案之间的差异情况来确定问答模型的问答能力，能在保证问答评分接近人类评估水平的同时，提高对问答模型进行评分的效率。

请参阅图2，在一些实施例中，步骤S101可以包括但不限于包括步骤S201至步骤S202：

步骤S201，从预设的数据库中提取原始语料数据，其中，原始语料数据为结构化数据；

步骤S202，对原始语料数据进行数据清洗，得到目标语料数据。

在一些实施例的步骤S201中，预设的数据库可以是知识图谱库或者普通知识库等等，不作限制。以预设的数据库是知识图谱库为例，该知识图谱库中可以包含二元词组、三元组等等，这些二元词组、三元组均是结构化数据，均可以作为原始语料数据。具体地，可以根据不同的领域需求，直接从预设的数据库中提取预定数目的二元组、三元组作为原始语料数据，其中，三元组可以是<头实体，关系，尾实体>或<实体，属性名，属性值>等表现形式，不做限制。

在一些实施例的步骤S202中，在对原始语料数据进行数据清洗时，可以是将重复的原始语料数据进行去重、对语义不全的原始语料数据进行补全、对数据缺失的原始语料数据进行剔除等，将经过清洗后的原始语料数据作为目标语料数据，能提高目标语料数据的数据质量。

通过上述步骤S201至步骤S202能够较为方便地从现有的数据库中提取出若干结构化数据，将这些结构化数据进行数据清洗后作为目标语料数据，能实现利用结构化数据构建问答对。这一方式直接利用预设的数据库中的已知实体作为构建问答对的目标语料数据，无需基于额外的语料对实体进行提取，且省去了知识对齐、实体信息检索的过程，能有效地提高问答对生成的效率和问答评分效率。

请参阅图4，在一些实施例中，步骤S102可以包括但不限于包括步骤S401至步骤S404：

步骤S401，获取预设的问答模板；

步骤S402，基于问答模板和目标语料数据，构建目标问题和目标问题对应的目标答案；

步骤S403，基于目标问题和目标答案，生成问答对；

步骤S404，对所有问答对进行整合处理，得到问答对数据。

在一些实施例的步骤S401中，预设的问答模板可以是人工设计的模板，这些问答模板可以根据由相关人员针对不同的领域设置与该领域相匹配的问题形式和答案形式。当需要构建问答对时，可以直接从预设的模板库中调用相应的问答模板。

在一些实施例的步骤S402中，基于问答模板对目标语料数据中的实体进行组合，形成多个正向陈述语句和多个负向陈述语句，并根据问答模板以及预设规则对正向陈述语句中的实体或者关系进行替换或删减，形成相应的负向陈述语句，根据问答模板以及预设规则对负向陈述语句中的实体或者关系进行替换或删减，形成相应的正向陈述语句，能有效地增加陈述语句的数量。进一步地，基于这些陈述语句和问答模板中的问题形式和答案形式，构建目标问题和目标问题对应的目标答案。

例如，目标语料数据是一个三元组，该三元组为<对象A，性别，男性>，其中对象A是实体，性别为属性名，男性为属性值，这是一种经典的三元组关系，则该三元组对应的正向陈述语句是“对象A的性别是男性”，其对应的标签是True(正)，通过修改实体或者关系，形成该正向陈述语句的负向陈述语句如“对象A的性别是女性”、“对象A的性别不是男性”，这两个负向陈述语句的标签为False(负)。进一步地，基于这些陈述语句和问答模板中的问题形式和答案形式，构建目标问题Q1为“判断以下陈述是否正确：‘对象A的性别是男性’”，目标答案为“是”；目标问题Q2为“判断以下陈述是否正确：‘对象A的性别不是男性’”，目标答案为“不是”。

在一些实施例的步骤S403中，将每个目标问题和对应的目标答案一一配对，形成多个问答对。因此，每个问答对包括一个目标问题和目标问题对应的目标答案。

在一些实施例的步骤S404中，对所有问答对进行整合处理，将所有问答对纳入同一个集合，将这一集合作为问答对数据。

通过上述步骤S401至步骤S404能够较为方便地基于人工设计的问题模板对结构化数据进行句子构造，形成多种陈述语句，并基于这些陈述语句生成用于正负判断的问答对或者用于多项选择的问答对，能有效地提高问答对的生成效率和生成准确性。同时，这些问答对是基于问题模板和结构化数据生成的，问答对是符合固定问答形式要求的，不会产生无约束导致的规范性或质量问题，使得问答对具备高质量的特点，有利于提高问答评分的准确性。

请参阅图3，在一些实施例中，步骤S101还可以包括但不限于包括步骤S301至步骤S303：

步骤S301，获取由目标对象确定的非结构化数据；

步骤S302，获取目标任务对应的样本数据；

步骤S303，基于样本数据和非结构化数据，得到目标语料数据。

在一些实施例的步骤S301中，由于在不同的应用场景下，目标对象的需求可能存在着差异，因此，在具体实现过程中，可以获取由目标对象确定的非结构化数据，该非结构化数据是目标对象根据实际需求所给定的，能较好地控制生成的问答对的具体内容，使问答对更符合当前的实际需求。例如，针对医学领域，可以从目标对象给定非结构化文本中提取医学知识，能较好地按照要求对知识源进行扩充。

在一些实施例的步骤S302中，由于在不同的应用场景下，问答生成任务的任务内容以及任务目的会存在着差异。因此，在具体实现过程中，可以获取目标任务对应的样本数据，该样本数据可以是一些非结构化的数据，将该样本数据作为目标语料数据，能规范大型语言模型的问答对生成格式，使其生成结果更加规范符合任务目标要求。

在一些实施例的步骤S303中，对样本数据和非结构化数据进行整合，将整合形成的数据集作为目标语料数据。

通过上述步骤S301至步骤S303能够利用目标对象给定的非结构化数据和目标任务对应的样本数据来控制生成的问答对的具体内容，能较好地优化问答对的生成过程以及问答对的质量。

请参阅图5，在一些实施例中，步骤S102还可以包括但不限于包括步骤S501至步骤S504：

步骤S501，将目标语料数据输入至预训练的大型语言模型中；

步骤S502，基于大型语言模型对目标语料数据进行特征提取，得到目标问题和目标答案；

步骤S503，基于目标问题和目标答案，生成问答对；

步骤S504，对所有问答对进行整合处理，得到问答对数据。

在一些实施例的步骤S501中，预训练的大型语言模型可以基于GPT-3架构或者LLaMA架构构建而成。在对该大型语言模型进行模型训练时，可以是利用非结构化的大规模语料库(例如，Common Crawl语料库等等)对大型语言模型进行预训练，将蕴含在大规模语料库中的非结构化的知识编码到大型语言模型的模型参数中，使得大型语言模型具备生成正负陈述问答对、多项选择问答对以及开放式自然语言问答对的能力。

进一步地，由于语言模型还可以利用输入的非结构化信息，因此，还可以将目标语料数据输入至语言模型中，利用目标语料数据来控制语言模型生成的问答对的具体内容，其中，该目标语料数据包括目标对象提供的非结构化数据、目标任务对应的样本数据。

在一些实施例的步骤S502中，由于预训练的大型语言模型具备一定程度的逻辑推理能力以及上下文分析能力，因此可以基于大型语言模型对目标语料数据进行特征提取，分析目标语料数据中的信息，从而得到目标问题和目标答案。

此外，为了进一步地提高大型语言模型在具体任务上的效果，对于参数量较大的大型语言模型(如GPT-3)，微调成本往往过高，因此，本申请实施例中采用上下文学习的方式来进一步提高模型效果。对于上下文学习任务，一般需要一定量的具体任务相关的提示数据，同时，目标对象还可以通过提供非结构化文本数据来调整模型的生成内容。通过这种方式可以提高模型效果并实现目标对象对模型生成结果的进一步控制。例如，给定目标对象输入的非结构化数据，利用少量任务相关样本数据，就可以实现对模型生成的问答对内容的控制，还可以相应地提高问答对生成的质量。

需要说明的是，对于上下文学习而言，所需样本数极少，一般为几个到几百个不等，最少甚至只需要一个样本即可做到显著的输出控制效果以及模型表现的提高，该方式能实现利用少量样本数据对模型性能的调整，能较好地改善模型效果并约束模型输出。

在一些实施例的步骤S503中，大型语言模型会将每个目标问题和对应的目标答案一一配对，形成多个问答对。因此，每个问答对包括一个目标问题和目标问题对应的目标答案。

在一些实施例的步骤S504中，对所有问答对进行整合处理，将所有问答对纳入同一个集合，将这一集合作为问答对数据。

在一些具体实施例中，为了提高大型语言模型的模型性能，使大型语言模型生成的问答对不再局限于正负陈述或者多项选择，使大型语言模型能够生成开放式的问答，还可以对模型的上下文学习过程进一步优化。在该实施例具体实现时，大型语言模型生成的目标问题的问题形式不再局限于正负陈述或者多项选择问题，目标问题和目标答案的问答形式会更为自由，但目标问题和目标答案的具体内容会较大程度地受到领域的限制以及目标对象给定的非结构化数据的限制，目标答案不再是正负判断而是一段自然语言描述。具体地，在大型语言模型的上下文学习任务中，结合目标对象给定的非结构化数据，利用一个或者多个目标对象标注的样式不限的问答样例或者目标对象给定的某个领域内的非结构化文本来训练大型语言模型，从而控制大型语言模型生成的目标问题和目标答案的内容，使大型语言模型生成的问答对的问答形式和问答内容更为丰富，提高生成的问答对的质量。

通过上述步骤S501至步骤S504能够通过利用大规模语料数据对大型语言模型进行预训练的形式将蕴含在非结构化的文本中的知识编码进大型语言模型的模型参数中；进一步地，还能够利用目标对象给定的非结构化数据和目标任务对应的样本数据来对大型语言模型生成的问答内容进行控制，从而提高生成的问答对的质量以及问答对的生成效率。此外，该方式能够更为全面地覆盖不同领域的知识，且大型语言模型无需利用经过清洗的数据库，而是直接利用相关语料即可完成对知识的抽取与利用，而大规模的非结构化语料中蕴含的知识一般远多于结构化知识库中的知识，且大型语言模型具备较好的逻辑推理能力和上下文分析能力，使得能够生成更多种类的问答对，有助于提高问答对的种类丰富度以及问答对的语义完整性和语言流畅度。

在一些实施例的步骤S103中，可以从现有的模型库中调用待评分的问答模型，直接将目标问题输入至待评分的问答模型进行答案生成，由问答模型对目标问题进行内容识别以及答案推理，得到预测答案。问答模型是经过训练的模型，本申请实施例的目的在于对这一系列的问答模型进行评分。问答模型基于目标问题生成预测答案的具体过程与相关技术中的问答过程基本一致，本申请实施例中不做具体描述。

请参阅图6，在一些实施例，步骤S104包括但不限于包括步骤S601至步骤S603：

步骤S601，获取目标评分数据中每个评分指标对应的预设公式；

步骤S602，基于预设公式、预测答案、目标答案，计算每个评分指标对应的初步评分数据；

步骤S603，基于初步评分数据，得到目标评分数据。

在一些实施例的步骤S601中，针对目标问题是正负判断或者多项选择形式的场景，为了提高评分效率，可以直接引入现有的自动评分指标进行模型评分。具体地，目标评分数据中可以包括一个或者多个评分指标，每个评分指标都设置有对应的预设公式。

在一些实施例的步骤S602中，对每个目标问题的预测答案和目标答案进行比对，并对比较情况进行统计，根据统计情况和预设公式来计算每个评分指标对应的初步评分数据。

具体地，目标评分数据可以包括问答模型的准确率、精确率、召回率以及F1值等等。以准确率为例，将每个目标问题的目标答案作为参考，将预测答案作为实际，比较预测答案和目标答案是否一致，计算预测答案和目标答案一致的目标问题的个数为77，计算预测答案和目标答案不一致的目标问题的个数为23，并计算输入问答模型的目标问题的总数为100，根据这些统计数据能较为方便地得到问答模型的准确率为77/100＝0.77。

在一些实施例的步骤S603中，对初步评分数据进行统计汇总，得到目标评分数据。

通过上述步骤S601至步骤S503能够较为方便地调用每个评分指标对应的预设公式，并根据预测答案、目标答案的比较情况直接计算出每个问答模型的目标评分数据，能有效地简化评分过程，提高评分效率。

请参阅图7，在一些实施例中，步骤S104还可以包括但不限于包括步骤S701至步骤S703：

步骤S701，获取目标对象确定的评分案例数据；

步骤S702，将预测答案、评分案例数据、目标答案输入至预设的评分模型中，以使评分模型根据评分案例数据和目标答案进行上下文学习；

步骤S703，基于经过上下文学习的评分模型对问答模型进行评分，得到问答模型的目标评分数据。

在一些实施例的步骤S701中，针对目标问题不是正负判断或者多项选择形式，目标答案是一段自然语言的陈述的场景，为了提高评分准确性，需要引入评分模型来对问答模型的问答性能进行评分。具体地，针对不同领域、不同应用场景下的问答进行评分，需要获取目标对象根据实际需求所给定的评分案例数据，这些评分案例数据可以是过去时间内产生的相同领域或者相近领域的一些评分明细数据等等，这些评分案例数据可以是依据目标对象的请求所产生，也可以是依据其他对象的请求所产生，不做限制。评分案例数据常常存储在同一个数据库中，在需要时可以从该数据库中直接调用若干个评分案例数据，能有效地降低评分案例数据的获取难度，提高数据获取效率。

在一些实施例的步骤S702中，在将预测答案、评分案例数据、目标答案输入至预设的评分模型之后，评分模型会根据评分案例数据和目标答案进行上下文学习，该上下文学习过程与上述步骤S502中的大型语言模型的上下文学习过程类似，为节省篇幅，此处不再赘述。

在一些实施例的步骤S703中，在基于经过上下文学习的评分模型对问答模型进行评分时，由评分模型将依据评分案例数据和目标答案进行上下文学习到的答案信息与预测答案进行比较，根据比较情况确定问答模型的评分结果，该评分结果即为问答模型的目标评分数据。其中，在将答案信息与预测答案进行比较时，可以在多个不同维度对两者进行比较，根据每个维度的比较情况由评分模型输出最终的评分。例如，问答模型的评分可以包括三个维度：(1)判断问答模型输出的预测答案是否回答了问题，根据该维度来确定问答模型的上下文分析能力；(2)判断问答模型输出的预测答案是否正确，根据该维度来确定问答模型的知识准确度；(3)判断问答模型输出的预测答案是否通顺，根据该维度来确定问答模型的语言流畅度。

通过上述步骤S701至步骤S703能够使用于问答模型评分的目标问题和目标答案不再局限于正负判断与多项选择的形式，目标回答可以是由大型语言模型给出的自然语言回答。针对这一类问答对，引入评分模型来对问答模型的问答性能进行评分，能利用目标对象指定的评分案例数据来使评分模型进行上下文学习，能实现高效地对待评分的问答模型的自动评分，能实现问答模型的评分自动化，也能够实现对问答模型对自然语言形式的问答对的预测能力的准确评估，提高了问答模型的评分准确性和评分效率。

在一些具体实施例中，针对问答对是正负判断或者多项选择的情形，从预设的数据库中提取原始语料数据，其中，原始语料数据为结构化数据，对原始语料数据进行数据清洗，得到目标语料数据。进一步地，获取预设的问答模板，基于问答模板和目标语料数据，构建目标问题和目标问题对应的目标答案；基于目标问题和目标答案，生成问答对；对所有问答对进行整合处理，得到问答对数据。进一步地，从现有的模型库中调用待评分的问答模型，直接将目标问题输入至待评分的问答模型进行答案生成，由问答模型对目标问题进行内容识别以及答案推理，得到预测答案。最后，获取目标评分数据中每个评分指标对应的预设公式；基于预设公式、预测答案、目标答案，计算每个评分指标对应的初步评分数据；基于初步评分数据，得到目标评分数据。这一实施例能够实现基于结构化数据和问答模板生成问答对数据，还能较为方便地调用每个评分指标对应的预设公式，并根据预测答案、目标答案的比较情况直接计算出每个问答模型的目标评分数据，能有效地简化评分过程，提高评分效率。

在一些具体实施例中，针对问答对是正负判断或者多项选择的情形，获取由目标对象确定的非结构化数据；获取目标任务对应的样本数据，基于样本数据和非结构化数据，得到目标语料数据。进一步地，将目标语料数据输入至预训练的大型语言模型中；基于大型语言模型对目标语料数据进行特征提取，得到目标问题和目标答案；基于目标问题和目标答案，生成问答对，对所有问答对进行整合处理，得到问答对数据。进一步地，从现有的模型库中调用待评分的问答模型，直接将目标问题输入至待评分的问答模型进行答案生成，由问答模型对目标问题进行内容识别以及答案推理，得到预测答案。最后，获取目标评分数据中每个评分指标对应的预设公式；基于预设公式、预测答案、目标答案，计算每个评分指标对应的初步评分数据；基于初步评分数据，得到目标评分数据。这一实施例能够实现基于非结构化数据和大型语言模型生成问答对数据，还能较为方便地调用每个评分指标对应的预设公式，并根据预测答案、目标答案的比较情况直接计算出每个问答模型的目标评分数据，能有效地简化评分过程，提高评分效率。

在一些具体实施例中，针对问答对不局限于是正负判断或者多项选择的情形，获取由目标对象确定的非结构化数据；获取目标任务对应的样本数据，基于样本数据和非结构化数据，得到目标语料数据。进一步地，将目标语料数据输入至预训练的大型语言模型中；基于大型语言模型对目标语料数据进行特征提取，得到目标问题和目标答案；基于目标问题和目标答案，生成问答对，对所有问答对进行整合处理，得到问答对数据。进一步地，从现有的模型库中调用待评分的问答模型，直接将目标问题输入至待评分的问答模型进行答案生成，由问答模型对目标问题进行内容识别以及答案推理，得到预测答案。最后，获取目标对象确定的评分案例数据；将预测答案、评分案例数据、目标答案输入至预设的评分模型中，以使评分模型根据评分案例数据和目标答案进行上下文学习；基于经过上下文学习的评分模型对问答模型进行评分，得到问答模型的目标评分数据。这一实施例能够实现基于非结构化数据和大型语言模型生成问答对数据，还能较为方便地利用评分模型的逻辑推理能力和上下文学习能力来对问答模型进行问答能力的评分，能在保证问答评分接近人类评估水平的同时，提高评分效率和评分准确性。

本申请实施例的问答评分方法，通过获取目标语料数据，其中，目标语料数据包括结构化数据和非结构化数据中的至少一种；基于目标语料数据构建问答对数据，其中，问答对数据包括多个问答对，每个问答对包括一个目标问题和目标问题对应的目标答案，能够利用结构化数据和非结构化数据生成问答对，提高问答对的数量丰富性和类别丰富性，也能够利用目标问题和目标答案来实现对问答模型的问答能力的评分。进一步地，将目标问题输入至待评分的问答模型进行答案生成，得到预测答案；基于预测答案、目标答案对问答模型进行评分处理，得到问答模型的目标评分数据，其中，目标评分数据用于表征问答模型的问答表现，能够较为方便地根据预测答案和目标答案之间的差异情况来确定问答模型的问答能力，能提高对问答模型进行评分的效率。

请参阅图8，本申请实施例还提供一种问答评分装置，可以实现上述问答评分方法，该装置包括：

数据获取模块801，用于获取目标语料数据，其中，目标语料数据包括结构化数据和非结构化数据中的至少一种；

问答对生成模块802，用于基于目标语料数据构建问答对数据，其中，问答对数据包括多个问答对，每个问答对包括一个目标问题和目标问题对应的目标答案；

答案生成模块803，用于将目标问题输入至待评分的问答模型进行答案生成，得到预测答案；

评分模块804，用于基于预测答案、目标答案对问答模型进行评分处理，得到问答模型的目标评分数据，其中，目标评分数据用于表征问答模型的问答表现。

该问答评分装置的具体实施方式与上述问答评分方法的具体实施例基本相同，在此不再赘述。

本申请实施例还提供了一种电子设备，电子设备包括：存储器、处理器、存储在存储器上并可在处理器上运行的程序以及用于实现处理器和存储器之间的连接通信的数据总线，程序被处理器执行时实现上述问答评分方法。该电子设备可以为包括平板电脑、车载电脑等任意智能终端。

请参阅图9，图9示意了另一实施例的电子设备的硬件结构，电子设备包括：

处理器901，可以采用通用的CPU(CentralProcessingUnit，中央处理器)、微处理器、应用专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本申请实施例所提供的技术方案；

存储器902，可以采用只读存储器(ReadOnlyMemory，ROM)、静态存储设备、动态存储设备或者随机存取存储器(RandomAccessMemory，RAM)等形式实现。存储器902可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器902中，并由处理器901来调用执行本申请实施例的问答评分方法；

输入/输出接口903，用于实现信息输入及输出；

通信接口904，用于实现本设备与其他设备的通信交互，可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信；

总线905，在设备的各个组件(例如处理器901、存储器902、输入/输出接口903和通信接口904)之间传输信息；

其中处理器901、存储器902、输入/输出接口903和通信接口904通过总线905实现彼此之间在设备内部的通信连接。

本申请实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有一个或者多个程序，一个或者多个程序可被一个或者多个处理器执行，以实现上述问答评分方法。

存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

本申请实施例提供的问答评分方法、问答评分装置、电子设备及计算机可读存储介质，其通过获取目标语料数据，其中，目标语料数据包括结构化数据和非结构化数据中的至少一种；基于目标语料数据构建问答对数据，其中，问答对数据包括多个问答对，每个问答对包括一个目标问题和目标问题对应的目标答案，能够利用结构化数据和非结构化数据生成问答对，提高问答对的数量丰富性和类别丰富性，也能够利用目标问题和目标答案来实现对问答模型的问答能力的评分。进一步地，将目标问题输入至待评分的问答模型进行答案生成，得到预测答案；基于预测答案、目标答案对问答模型进行评分处理，得到问答模型的目标评分数据，其中，目标评分数据用于表征问答模型的问答表现，能够较为方便地根据预测答案和目标答案之间的差异情况来确定问答模型的问答能力，能提高对问答模型进行评分的效率。

本申请实施例描述的实施例是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域技术人员可知，随着技术的演变和新应用场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。

本领域技术人员可以理解的是，图1-7中示出的技术方案并不构成对本申请实施例的限定，可以包括比图示更多或更少的步骤，或者组合某些步骤，或者不同的步骤。

以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。

本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括多指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例的方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序的介质。

以上参照附图说明了本申请实施例的优选实施例，并非因此局限本申请实施例的权利范围。本领域技术人员不脱离本申请实施例的范围和实质内所作的任何修改、等同替换和改进，均应在本申请实施例的权利范围之内。

Claims (10)

1.一种问答评分方法，其特征在于，所述方法包括：

获取目标语料数据，其中，所述目标语料数据包括结构化数据和非结构化数据中的至少一种；

基于所述目标语料数据构建问答对数据，其中，所述问答对数据包括多个问答对，每个所述问答对包括一个目标问题和所述目标问题对应的目标答案；

将所述目标问题输入至待评分的问答模型进行答案生成，得到预测答案；

基于所述预测答案、所述目标答案对所述问答模型进行评分处理，得到所述问答模型的目标评分数据，其中，所述目标评分数据用于表征所述问答模型的问答表现。

2.根据权利要求1所述的问答评分方法，其特征在于，所述获取目标语料数据，包括：

从预设的数据库中提取原始语料数据，其中，所述原始语料数据为结构化数据；

对所述原始语料数据进行数据清洗，得到所述目标语料数据。

3.根据权利要求2所述的问答评分方法，其特征在于，所述基于所述目标语料数据构建问答对数据，包括：

获取预设的问答模板；

基于所述问答模板和所述目标语料数据，构建所述目标问题和所述目标问题对应的目标答案；

基于所述目标问题和所述目标答案，生成所述问答对；

对所有所述问答对进行整合处理，得到所述问答对数据。

4.根据权利要求1所述的问答评分方法，其特征在于，所述获取目标语料数据，包括：

获取由目标对象确定的非结构化数据；

获取目标任务对应的样本数据；

基于所述样本数据和所述非结构化数据，得到所述目标语料数据。

5.根据权利要求4所述的问答评分方法，其特征在于，所述基于所述目标语料数据构建问答对数据，包括：

将所述目标语料数据输入至预训练的大型语言模型中；

基于所述大型语言模型对所述目标语料数据进行特征提取，得到所述目标问题和所述目标答案；

基于所述目标问题和所述目标答案，生成所述问答对；

对所有所述问答对进行整合处理，得到所述问答对数据。

6.根据权利要求1至5任一项所述的问答评分方法，其特征在于，所述基于所述预测答案、所述目标答案对所述问答模型进行评分处理，得到所述问答模型的目标评分数据，包括：

获取所述目标评分数据中每个评分指标对应的预设公式；

基于所述预设公式、所述预测答案、所述目标答案，计算每个所述评分指标对应的初步评分数据；

基于所述初步评分数据，得到所述目标评分数据。

7.根据权利要求1至5任一项所述的问答评分方法，其特征在于，所述基于所述预测答案、所述目标答案对所述问答模型进行评分处理，得到所述问答模型的目标评分数据，包括：

获取目标对象确定的评分案例数据；

将所述预测答案、所述评分案例数据、所述目标答案输入至预设的评分模型中，以使所述评分模型根据所述评分案例数据和所述目标答案进行上下文学习；

基于经过上下文学习的所述评分模型对所述问答模型进行评分，得到所述问答模型的目标评分数据。

8.一种问答评分装置，其特征在于，所述装置包括：

数据获取模块，用于获取目标语料数据，其中，所述目标语料数据包括结构化数据和非结构化数据中的至少一种；

问答对生成模块，用于基于所述目标语料数据构建问答对数据，其中，所述问答对数据包括多个问答对，每个所述问答对包括一个目标问题和所述目标问题对应的目标答案；

答案生成模块，用于将所述目标问题输入至待评分的问答模型进行答案生成，得到预测答案；

评分模块，用于基于所述预测答案、所述目标答案对所述问答模型进行评分处理，得到所述问答模型的目标评分数据，其中，所述目标评分数据用于表征所述问答模型的问答表现。

9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的问答评分方法。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的问答评分方法。