[發明專利]問答文本的語義匹配方法、裝置、介質及電子設備

有效

• 申請號: 201810588271.1
• 申請日: 2018-06-08
• 公開（公告）號: CN108846077B
• 公開（公告）日: 2022-01-11
• 發明（設計）人: 李淵;劉設偉
• 申請（專利權）人: 泰康保險集團股份有限公司;泰康在線財產保險股份有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F40/30
• 代理公司: 隆天知識產權代理有限公司 72003
• 代理人: 李昕巍;章侃銥

1.一種問答文本的語義匹配方法，其特征在于，該方法包括：

利用循環神經網絡獲取問題文本的具有上下文局部特征的特征向量序列和候選答案文本的具有上下文局部特征的特征向量序列；

基于所述問題文本的具有上下文局部特征的特征向量序列和所述問題文本的具有上下文局部特征的特征向量序列中每個特征向量的注意力權重，生成所述問題文本的具有上下文局部特征和全局特征的特征向量序列，以及基于所述候選答案文本的具有上下文局部特征的特征向量序列和所述候選答案文本的具有上下文局部特征的特征向量序列中每個特征向量的注意力權重，生成所述候選答案文本的具有上下文局部特征和全局特征的特征向量序列；

根據所述問題文本的具有上下文局部特征和全局特征的特征向量序列、所述候選答案文本的具有上下文局部特征和全局特征的特征向量序列，確定所述問題文本與所述候選答案文本的語義匹配度；以及

所述方法還包括：基于所述問題文本的具有上下文局部特征的特征向量序列和所述候選答案文本的具有上下文局部特征的特征向量序列，生成背景信息；根據所述背景信息計算所述問題文本的具有上下文局部特征的特征向量序列中每個特征向量的注意力權重和所述候選答案文本的具有上下文局部特征的特征向量序列中每個特征向量的注意力權重；所述背景信息包括所述問題文本的詞向量和所述候選答案的詞向量在循環神經網絡最后時刻之前的所有時間狀態的語義信息。

2.根據權利要求1所述的方法，其特征在于，所述循環神經網絡包括雙向循環神經網絡，所述雙向循環神經網絡中的循環神經網絡包括基于長短時記憶LSTM和/或基于門控循環單元GRU的網絡。

3.根據權利要求1所述的方法，其特征在于，基于所述問題文本的具有上下文局部特征的特征向量序列和所述問題文本的具有上下文局部特征的特征向量序列中每個特征向量的注意力權重，生成所述問題文本的具有上下文局部特征和全局特征的特征向量序列包括：

根據所述背景信息，確定所述背景信息與所述問題文本的具有上下文局部特征的特征向量序列中的每個時刻特征向量的相似度；

根據所述背景信息與所述問題文本的具有上下文局部特征的特征向量序列中的每個時刻特征向量的相似度，確定所述問題文本的具有上下文局部特征的特征向量序列中的每個時刻特征向量的注意力權重；

根據所述問題文本的具有上下文局部特征的特征向量序列中的每個時刻特征向量的注意力權重，對所述問題文本的具有上下文局部特征的特征向量序列中的每個時刻特征向量加權，得到所述問題文本的具有上下文局部特征和全局特征的特征向量序列。

4.根據權利要求1所述的方法，其特征在于，基于所述候選答案文本的具有上下文局部特征的特征向量序列和所述候選答案文本的具有上下文局部特征的特征向量序列中每個特征向量的注意力權重，生成所述候選答案文本的具有上下文局部特征和全局特征的特征向量序列包括：

根據所述背景信息，確定所述背景信息與所述候選答案文本的具有上下文局部特征的特征向量序列中的每個時刻特征向量的相似度；

根據所述背景信息與所述候選答案文本的具有上下文局部特征的特征向量序列中的每個時刻特征向量的相似度，確定所述候選答案文本的具有上下文局部特征的特征向量序列中的每個時刻特征向量的注意力權重；

根據所述候選答案文本的具有上下文局部特征的特征向量序列中的每個時刻特征向量的注意力權重，對所述候選答案文本的具有上下文局部特征的特征向量序列中的每個時刻特征向量加權，得到所述候選答案文本的具有上下文局部特征和全局特征的特征向量序列。