[發明專利]適于金融領域的訓練方法、問答方法、裝置及存儲介質

在審

• 申請號: 201910977129.0
• 申請日: 2019-10-15
• 公開（公告）號: CN110825843A
• 公開（公告）日: 2020-02-21
• 發明（設計）人: 孫信中;周培林;黃芝琪;侯曉龍;孫非凡;馬標
• 申請（專利權）人: 深圳市奧拓電子股份有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/332;G06F40/289;G06F40/30
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種適于金融領域的訓練方法，其特征在于，包括：

獲取用于訓練的語料數據以及行業詞典，所述語料數據包括標準問題語料以及擴展語料；

對所述語料數據進行預處理，所述預處理至少包括分詞操作，所述分詞操作，至少結合所述行業詞典，對所述語料數據進行分詞；

根據預處理后的語料數據，構建訓練數據集；

初始化詞向量矩陣，構建以所述詞向量矩陣作為參數的損失函數，根據所述訓練數據集和訓練網絡結構進行訓練，直至所述損失函數滿足預定結束條件，輸出訓練好的模型。

2.根據權利要求1所述的訓練方法，其特征在于，所述訓練數據集包括若干個單元輸入，每個單元輸入包括一個目標語料、若干正例及若干負例，所述正例為與所述目標語料同義的語料，所述負例為與所述目標語料不同義的語料，所述訓練網絡結構包括：輸入層、映射層、相似度計算層和輸出層；

所述輸入層，獲取一個單元輸入；

所述映射層，利用所述詞向量矩陣，生成所述單元輸入中每個語料的詞向量，對每個語料的詞向量加權平均得到所述單元輸入中每個語料的句子向量；

所述相似度計算層，利用所述語料的句子向量，計算目標語料與單元輸入中其他語料的相似度；

所述輸出層，根據目標語料與單元輸入中其他語料的相似度，輸出單元輸入的相似度預測值。

3.根據權利要求1所述的訓練方法，其特征在于，所述預處理還包括去停詞操作和/或同義詞擴展操作。

4.根據權利要求1所述的訓練方法，其特征在于，所述方法還包括：

利用訓練好的模型，獲取語料數據的句子向量；

構建語料數據的句子向量的索引。

5.一種適于金融領域的問答方法，其特征在于，包括：

獲取訓練好的模型；

接收問題語句，對所述問題語句進行預處理；

根據訓練好的模型，獲取預處理后的問題語句的句子向量；

在語料數據的句子向量中，匹配預處理后的問題語句的句子向量，輸出對應的答復。

6.根據權利要求5所述的問答方法，其特征在于，所述語料數據的句子向量構建有索引；

所述在語料數據的句子向量中，匹配預處理后的問題語句的句子向量，輸出對應的答復的步驟，具體為，

根據語料數據的句子向量的索引，在語料數據的句子向量中，匹配預處理后的問題語句的句子向量，輸出對應的答復。

7.一種適于金融領域的訓練裝置，其特征在于，包括：

語料數據獲取單元，用于獲取用于訓練的語料數據以及行業詞典，所述語料數據包括標準問題語料以及擴展語料；

語料預處理單元，用于對所述語料數據進行預處理，所述預處理至少包括分詞操作，所述分詞操作，至少結合所述行業詞典，對所述語料數據進行分詞；

訓練數據集構建單元，用于根據預處理后的語料數據，構建訓練數據集；

執行訓練單元，用于初始化詞向量矩陣，構建以詞向量矩陣作為參數的損失函數，根據訓練數據集和訓練網絡結構進行訓練，直至損失函數滿足預定結束條件，輸出訓練好的模型。

8.一種適于金融領域的問答系統，其特征在于，包括訓練裝置及問答裝置，所述訓練裝置為權利要求7所述的訓練裝置，輸出訓練好的模型；

所述問答裝置包括：

模型獲取單元，用于獲取訓練好的模型；

問題語句預處理單元，用于接收問題語句，對問題語句進行預處理；

問題語句向量化單元，用于根據訓練好的模型，獲取預處理后的問題語句的句子向量；

匹配輸出單元，用于在語料數據的句子向量中，匹配預處理后的問題語句的句子向量，輸出對應的答復。

9.一種機器可讀存儲介質，其上存儲有計算機程序，其中所述計算機程序在由處理器執行時實現權利要求1-4任一項所述的適于金融領域的訓練方法。

10.一種機器可讀存儲介質，其上存儲有計算機程序，其中所述計算機程序在由處理器執行時實現權利要求5-6任一項所述的適于金融領域的問答方法。