[發明專利]一種問題生成方法在審
| 申請號： | 201810762281.2 | 申請日： | 2018-07-12 |
| 公開（公告）號： | CN108897894A | 公開（公告）日： | 2018-11-27 |
| 發明（設計）人： | 趙豫;葉茂;徐培;蘇楊 | 申請（專利權）人： | 電子科技大學 |
| 主分類號： | G06F17/30 | 分類號： | G06F17/30;G06F17/27 |
| 代理公司： | 成都虹盛匯泉專利代理有限公司 51268 | 代理人： | 王偉 |
| 地址： | 611731 四川省成*** | 國省代碼： | 四川;51 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 向量 傳播 人工智能領域 神經網絡應用 非數據庫 神經網絡 文本文檔 誤差傳播 分詞 匹配 終端 輸出 轉換 靈活 重復 網絡 保證 | ||
【權利要求書】：
1.一種問題生成方法，其特征在于，包括以下步驟：
步驟1，對文本文檔進行分詞；
步驟2，將分詞后的文本文檔轉換為向量；
步驟3，構建BP神經網絡，輸入向量，基于誤差逆向傳播算法對所述BP神經網絡進行訓練；
步驟4，當所述BP神經網絡的誤差小于預設誤差閾值時，所述BP神經網絡訓練完成，得到問題生成網絡模型。
2.如權利要求1所述的問題生成方法，其特征在于，所述步驟1中，應用jieba分詞算法對文本文檔進行分詞。
3.如權利要求1所述的問題生成方法，其特征在于，所述步驟2中，應用word2vec模型將分詞后的文本文檔轉換為向量。
4.如權利要求3所述的問題生成方法，其特征在于，所述步驟2中，應用skip-gram模型將分詞后的文本文檔轉換為向量。
5.如權利要求1所述的問題生成方法，其特征在于，所述步驟4包括以下流程：
步驟41，判斷所述BP神經網絡的誤差是否小于預設誤差閾值；
步驟42，當所述BP神經網絡的誤差不小于預設誤差閾值時，更新所述BP神經網絡中的權值，對所述BP神經網絡訓練進行訓練；
步驟43，當所述BP神經網絡的誤差小于預設誤差閾值時，保存所述BP神經網絡中的參數，得到問題生成網絡模型。
下載完整專利技術內容需要扣除積分，VIP會員可以免費下載。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于電子科技大學，未經電子科技大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810762281.2/1.html，轉載請聲明來源鉆瓜專利網。
