提示信息的调整方法、装置、设备及存储介质与流程

摘要: 本技术涉及互联网,特别涉及一种提示信息的调整方法、装置、设备及存储介质。背景技术:1、随着互联网技术的发展,网络中的文本越来越多,而这些文本可能包括各种类型的信...
提示信息的调整方法、装置、设备及存储介质与流程

本技术涉及互联网,特别涉及一种提示信息的调整方法、装置、设备及存储介质。

背景技术:

1、随着互联网技术的发展,网络中的文本越来越多,而这些文本可能包括各种类型的信息,如包括指示某种情感意向的信息,再如包括指示某种恶意行为的信息。因此,在一些场景中,需要对文本是否包括某种类型的信息进行识别。

2、相关技术中,可以通过语言模型来识别文本是否包括某种类型的信息。其中,语言模型基于输入的提示信息来识别文本是否包括某种类型的信息,然而,由于提示信息仅是简单的提示语言模型来识别文本是否包括某种类型的信息,使得语言模型输出的识别结果并不准确。

3、因此,需要一种提示信息的调整方法来对语言模型的提示信息进行调整,以使得语言模型能够基于调整后的提示信息输出准确的识别结果。

技术实现思路

1、本技术实施例提供了一种提示信息的调整方法、装置、设备及存储介质,该方法提高了语言模型的预测结果的准确性和可靠性。本技术实施例提供的技术方案如下。

2、根据本技术实施例的一个方面,提供了一种提示信息的调整方法,所述方法包括:

3、获取多组第一训练样本,每组第一训练样本包括样本文本和所述样本文本的标注类别,所述标注类别指示所述样本文本是否包括目标类型的信息;

4、基于所述多组第一训练样本,得到特征信息,所述特征信息指示包括所述目标类型的信息的文本所具有的特征;

5、通过第一语言模型,基于包括所述特征信息的预测提示信息,对所述多组第一训练样本中的样本文本分别进行处理,得到所述多组第一训练样本中的样本文本各自的预测类别,所述预测提示信息用于提示所述第一语言模型基于所述特征信息来预测所述样本文本的类别;

6、基于所述多组第一训练样本各自对应的预测类别和标注类别,对所述预测提示信息进行调整,调整后的所述预测提示信息用于所述第一语言模型来识别文本是否包括所述目标类型的信息。

7、根据本技术实施例的另一个方面,提供了一种提示信息的调整装置,所述装置包括:

8、获取模块,用于获取多组第一训练样本,每组第一训练样本包括样本文本和所述样本文本的标注类别,所述标注类别指示所述样本文本是否包括目标类型的信息;

9、第一确定模块,用于基于所述多组第一训练样本,得到特征信息,所述特征信息指示包括所述目标类型的信息的文本所具有的特征;

10、第二确定模块,用于通过第一语言模型,基于包括所述特征信息的预测提示信息,对所述多组第一训练样本中的样本文本分别进行处理,得到所述多组第一训练样本中的样本文本各自的预测类别,所述预测提示信息用于提示所述第一语言模型基于所述特征信息来预测所述样本文本的类别;

11、调整模块,用于基于所述多组第一训练样本各自对应的预测类别和标注类别,对所述预测提示信息进行调整,调整后的所述预测提示信息用于所述第一语言模型来识别文本是否包括所述目标类型的信息。

12、在一些实施例中,所述调整模块,用于:

13、基于所述多组第一训练样本中的多组目标训练样本各自对应的预测类别和标注类别,对所述预测提示信息进行调整,所述目标训练样本对应的预测类别与标注类别不同。

14、在一些实施例中,所述调整模块,用于:

15、通过第二语言模型,基于第一提示信息,对所述预测提示信息、所述多组目标训练样本和所述多组目标训练样本各自对应的预测类别进行处理,得到所述预测提示信息的调整方式,所述第二语言模型用于基于输入的提示信息来输出所述预测提示信息的调整方式;

16、通过第三语言模型,基于包括所述调整方式的调整提示信息,对所述预测提示信息进行调整,得到调整后的所述预测提示信息,所述第三语言模型用于基于输入的提示信息来输出调整后的所述预测提示信息。

17、在一些实施例中,每组第一训练样本还包括标注原因信息,所述标注原因信息用于解释所述样本文本被标注为所述标注类别的原因,所述第一提示信息包括任务信息,所述任务信息用于提示所述第二语言模型执行下述步骤以得到所述预测提示信息的调整方式:

18、基于所述多组目标训练样本各自的样本文本、标注类别、预测类别、标注原因信息和所述预测提示信息,确定所述多组目标训练样本各自的错误原因信息,所述错误原因信息用于解释所述目标训练样本对应的预测类别与标注类别不同的原因;

19、对所述多组目标训练样本各自的错误原因信息进行总结,得到所述多组目标训练样本的综合原因信息;

20、基于所述综合原因信息,确定所述预测提示信息的调整方式。

21、在一些实施例中,所述特征信息包括多条子信息,所述调整模块,用于:

22、基于所述综合原因信息,确定所述多条子信息中的多条目标子信息和所述多条目标子信息各自的调整方式,所述目标子信息为需要调整的子信息。

23、在一些实施例中,所述预测提示信息还包括输出格式信息,所述输出格式信息用于提示所述第一语言模型的输出结果的格式,所述调整模块,用于:

24、基于所述综合原因信息,确定所述输出格式信息的调整方式。

25、在一些实施例中,所述调整模块,用于:

26、通过第二语言模型,基于第二提示信息,对所述预测提示信息和所述多组目标训练样本各自对应的预测类别和标注类别进行处理,得到调整后的所述预测提示信息,所述第二语言模型用于基于输入的提示信息来输出调整后的所述预测提示信息。

27、在一些实施例中,所述多组目标训练样本为预测类别与标注类别不同的多组第一训练样本中预测概率小于概率阈值的第一训练样本,所述预测概率指所述第一语言模型确定的所述第一训练样本中的样本文本属于所述预测类别的概率。

28、在一些实施例中,所述第一确定模块,用于:

29、通过第四语言模型,基于第三提示信息,对所述多组第一训练样本进行处理,得到所述特征信息,所述第四语言模型用于基于输入的提示信息来输出所述特征信息。

30、在一些实施例中,所述第一确定模块,用于:

31、基于所述多组第一训练样本,确定多个样本集合,每个样本集合包括所述多组第一训练样本中的部分第一训练样本;

32、通过第四语言模型,基于第四提示信息,分别对所述多个样本集合中的多组第一训练样本进行处理,得到所述多个样本集合各自对应的子特征信息,所述第四语言模型用于基于输入的提示信息来输出所述子特征信息;

33、通过所述第四语言模型,基于第五提示信息,对所述多个样本集合各自对应的子特征信息进行总结,得到所述特征信息,所述第四语言模型用于基于输入的提示信息来输出所述特征信息。

34、在一些实施例中,所述第二确定模块还用于:

35、通过所述第一语言模型,基于包括所述特征信息的预测提示信息,对多组第二训练样本中的样本文本分别进行处理,得到所述多组第二训练样本中的样本文本各自的预测类别,每组第二训练样本包括样本文本和所述样本文本的标注类别;

36、所述调整模块,用于:

37、基于所述多组第一训练样本和所述多组第二训练样本各自对应的预测类别和标注类别,对所述预测提示信息进行调整。

38、在一些实施例中,所述装置还包括第三确定模块,用于:

39、基于所述多组第一训练样本各自对应的预测类别和标注类别,确定参考值,所述参考值指示所述第一语言模型基于所述预测提示信息预测的类别的准确率;

40、所述调整模块,用于:

41、在所述参考值未达到参考阈值的情况下,基于所述多组第一训练样本各自对应的预测类别和标注类别,对所述预测提示信息进行调整。

42、另一方面,提供了一种计算机设备,所述计算机设备包括处理器和存储器,所述存储器用于存储计算机程序,所述计算机程序由所述处理器加载并执行以实现本技术实施例中的提示信息的调整方法。

43、另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,所述计算机程序由处理器加载并执行以实现本技术实施例中的提示信息的调整方法。

44、另一方面,提供了一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序存储在计算机可读存储介质中,计算机设备的处理器从所述计算机可读存储介质读取所述计算机程序,所述处理器执行所述计算机程序,使得所述计算机设备执行上述任一实现方式所述的提示信息的调整方法。

45、本技术实施例提供了一种提示信息的调整方法,该方法先基于多组训练样本总结了特征信息,然后使语言模型基于包括特征信息的预测提示信息对样本文本进行预测,得到预测类别,最后基于预测类别与标注类别来调整预测提示信息。在该方法中,由于预测提示信息中包括特征信息,而特征信息指示包括目标类型的信息的文本所具有的特征,这样语言模型在识别文本是否包括目标类型的信息时,就能够基于特征信息对文本中的特征进行针对性识别,以确定文本是否包括目标类型的信息,进而使得预测结果可靠和准确。而语言模型在基于预测提示信息进行预测时,可能由于预测提示信息的不完善,导致预测结果错误,因此还基于预测类别和标注类别对预测提示信息进行调整,也即对预测提示信息进行进一步完善,提高预测提示信息的质量,这样语言模型再基于调整后的预测提示信息来进行预测,就能够进一步提高预测结果的准确性和可靠性。