一种基于弱监督的语言模型提示学习方法和系统

本发明涉及自然语言处理技术领域，所要解决的技术问题是提供一种基于弱监督的语言模型提示学习方法，方法包括：收集采用开放问题和回答的格式的提示模板，形成若干提示模板的集合；给定输入至集合，选择集合中的提示模板得到输入的常规预测；对若干提示模板进行分组，使每组中的提示模板强调输入的不同方面，生成互补预测；通过弱监督学习提示模板的精度参数和依赖关系，聚合若干不完美提示，得到不完美预测；通过联合分布聚合所有提示模板的预测，得到最终结果。通过建模提示依赖关系，有效利用了不同提示的互补性，快速地聚合多个不完美提示，采用开放式问答格式提示，在多个语言理解任务上的效果提升显著，同时提升了性能的稳定性和泛化能力。