[發明專利]一種利用非對稱的多面排序網絡學習解決社區問答任務的方法

在審

• 申請號: 201711227321.5
• 申請日: 2017-11-29
• 公開（公告）號: CN108153816A
• 公開（公告）日: 2018-06-12
• 發明（設計）人: 趙洲;孟令濤;林志杰;蔡登;何曉飛;莊越挺
• 申請（專利權）人: 浙江大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 鄭海峰

1.一種利用非對稱的多面排序網絡學習解決社區問答任務的方法，其特征在于包括如下步驟：

1)針對于一組社交網絡用戶及其提出的問題與相關答案，構建包含用戶、問題與答案之間相互關系的異質的非對稱社區問答網絡；

2.1)對于步驟1)形成的社區問答網絡，利用單詞映射網絡及LSTM網絡形成問題答案的映射，再結合用戶映射獲取反映用戶問答語義映射相關性的損失值；

2.2)對于步驟1)形成的社區問答網絡，利用其中含有的用戶關系，與用戶映射矩陣相結合，得到反映用戶之間相互關系的損失項值；

2.3)利用步驟2.1)獲得的反映用戶問答語義映射相關性的損失值與步驟2.2)獲得的反映用戶之間相互關系的損失項值，得到最終的損失函數及目標函數；

3)經過訓練，得到最終的多面排序標準函數，根據該函數可以對于任意問題及用戶提出的答案進行排序，將更適合問題的答案排在前列。

2.根據權利要求1所述利用非對稱的多面排序網絡學習解決社區問答任務的方法，其特征在于所述的步驟2.1)具體為：

對于所給出的問題、答案，利用如下方法獲得每個問題與答案的映射表達：首先利用預訓練好的單詞映射方法獲得問題答案中單詞的對應映射，對于問題x_i的第t個單詞，得到其映射為x_it；之后將問題的單詞映射序列{x_i1,...,x_in}作為LSTM的輸入，將所有問題的單詞全部輸入之后，進行訓練，將最后一層的輸出作為問題的語義表達，記為q_i；對于答案y_i，將答案中的每一句話的所有單詞的單詞映射序列{y_i1,...,y_in}輸入到LSTM網絡中，將每一句話的最后一層的輸出作為該句話的語義表達，之后在該答案的所有句子的語義表達輸出上面增加一最大池化層，將最大池化層的輸出作為該答案的語義表達，記為a_i；

通過隨機初始化得到用戶的映射矩陣U＝{u₁,u₂,...,u_l}，根據步驟1)獲得的異質的非對稱社區問答網絡，獲得關于問題及相關答案和用戶的限制集合R＝{(i,j,k,o,p)}，該集合中的每一條數據(i,j,k,o,p)代表的含義為“針對于問題i而言，由用戶k提出的答案j可以比由用戶p提出的答案o獲得更多的支持，更加符合問題的要求；”

針對于R＝{(i,j,k,o,p)}中的每一條數據，按照如下公式構建反映用戶問答語義映射相關性的損失函數L_r：

其中，c代表提前定義好的權衡最大距離值的參數，0為與進行最大值比較防止結果小于0的限定值；代表高質量答案對應的問答對的多面排序函數，代表低質量答案對應的問答對的多面排序函數，與的計算公式如下：

其中，q_i為問題i的對應映射表達，a_k為答案k的對應映射表達,u_j為用戶j的對應映射表達，a_p為答案p的對應映射表達,u_o為用戶o的對應映射表達，M∈R^d*d為用來計算問題與答案映射之間的語義關聯程度的排序度量矩陣。