[發(fā)明專利]基于AI識(shí)別的答案確定方法、裝置、電子設(shè)備及介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202010437416.5
• 申請(qǐng)日: 2020-05-21
• 公開(kāi)（公告）號(hào): CN111680515B
• 公開(kāi)（公告）日: 2022-05-03
• 發(fā)明（設(shè)計(jì)）人: 鄭喜民;喻寧;馮晶凌;柳陽(yáng)
• 申請(qǐng)（專利權(quán)）人: 平安國(guó)際智慧城市科技股份有限公司
• 主分類號(hào): G06F40/30
• 分類號(hào): G06F40/30;G06V10/774;G06V10/74;G06K9/62
• 代理公司: 深圳市賽恩倍吉知識(shí)產(chǎn)權(quán)代理有限公司 44334
• 代理人: 劉麗華;孫芬

1.一種基于AI識(shí)別的答案確定方法，其特征在于，所述基于AI識(shí)別的答案確定方法包括：

獲取待確定試題，并確定所述待確定試題的試題類型，所述待確定試題包括題干及多個(gè)選項(xiàng)；

當(dāng)所述試題類型為近義詞試題類型時(shí)，確定所述待確定試題中的短語(yǔ)數(shù)量；

根據(jù)所述短語(yǔ)數(shù)量確定所述待確定試題所屬的詞匯類型，所述詞匯類型包括第一類型、第二類型及第三類型；

當(dāng)所述詞匯類型為所述第一類型時(shí)，將所述題干及所述多個(gè)選項(xiàng)輸入至預(yù)先訓(xùn)練的Bert模型中，得到所述題干與每個(gè)選項(xiàng)的相似度；或者

當(dāng)所述詞匯類型為所述第二類型時(shí)，將所述題干中的目標(biāo)詞匯及所述多個(gè)選項(xiàng)轉(zhuǎn)換為GloVe詞向量，并將所述題干及所述多個(gè)選項(xiàng)轉(zhuǎn)換為FastText詞向量，基于所述GloVe詞向量及所述FastText詞向量計(jì)算所述題干與每個(gè)選項(xiàng)的相似度；或者

當(dāng)所述詞匯類型為所述第三類型時(shí)，確定目標(biāo)試題的目標(biāo)語(yǔ)種，基于所述目標(biāo)語(yǔ)種獲取所述題干及所述多個(gè)選項(xiàng)的第一詞向量，將所述目標(biāo)試題翻譯成除所述目標(biāo)語(yǔ)種外的其他語(yǔ)種，基于所述其他語(yǔ)種獲取所述題干及所述多個(gè)選項(xiàng)的第二詞向量，利用所述第一詞向量及所述第二詞向量計(jì)算所述題干與每個(gè)選項(xiàng)的相似度；

將相似度最高的選項(xiàng)確定為所述待確定試題的答案。

2.如權(quán)利要求1所述的基于AI識(shí)別的答案確定方法，其特征在于，所述確定所述待確定試題的試題類型包括：

獲取預(yù)設(shè)標(biāo)識(shí)；

檢測(cè)所述待確定試題中是否存在所述預(yù)設(shè)標(biāo)識(shí)；

當(dāng)所述待確定試題中存在所述預(yù)設(shè)標(biāo)識(shí)時(shí)，確定所述待確定試題為所述近義詞試題類型；

當(dāng)所述待確定試題中不存在所述預(yù)設(shè)標(biāo)識(shí)時(shí)，確定所述待確定試題為其他試題類型。

3.如權(quán)利要求1所述的基于AI識(shí)別的答案確定方法，其特征在于，所述確定所述待確定試題中的短語(yǔ)數(shù)量包括：

從所述題干中提取與預(yù)設(shè)標(biāo)簽對(duì)應(yīng)的信息，作為目標(biāo)詞匯；

計(jì)算所述目標(biāo)詞匯及每個(gè)選項(xiàng)中的單詞數(shù)量；

根據(jù)所述單詞數(shù)量確定所述目標(biāo)詞匯與所述多個(gè)選項(xiàng)的單詞總量；

確定所述多個(gè)選項(xiàng)的數(shù)量，得到選項(xiàng)數(shù)量；

將所述單詞總量與所述選項(xiàng)數(shù)量進(jìn)行差運(yùn)算，并將差運(yùn)算結(jié)果減一，得到所述短語(yǔ)數(shù)量。

4.如權(quán)利要求1所述的基于AI識(shí)別的答案確定方法，其特征在于，所述根據(jù)所述短語(yǔ)數(shù)量確定所述待確定試題所屬的詞匯類型包括：

當(dāng)所述短語(yǔ)數(shù)量為第一預(yù)設(shè)閾值時(shí)，將所述待確定試題所屬的詞匯類型確定為所述第一類型；或者

當(dāng)所述短語(yǔ)數(shù)量大于所述第一預(yù)設(shè)閾值，及所述短語(yǔ)數(shù)量小于或者等于第二預(yù)設(shè)閾值時(shí)，將所述待確定試題所屬的詞匯類型確定為所述第二類型；或者

當(dāng)所述短語(yǔ)數(shù)量大于所述第二預(yù)設(shè)閾值，及所述短語(yǔ)數(shù)量小于或者等于第三預(yù)設(shè)閾值時(shí)，將所述待確定試題所屬的詞匯類型確定為所述第三類型；或者

當(dāng)所述短語(yǔ)數(shù)量大于所述第三預(yù)設(shè)閾值時(shí)，將所述待確定試題所屬的詞匯類型確定為其他類型。

5.如權(quán)利要求1所述的基于AI識(shí)別的答案確定方法，其特征在于，在將所述題干及所述多個(gè)選項(xiàng)輸入至預(yù)先訓(xùn)練的Bert模型中之前，所述基于AI識(shí)別的答案確定方法還包括：

獲取QQP數(shù)據(jù)集上的句子對(duì)，及獲取所述句子對(duì)對(duì)應(yīng)的標(biāo)簽；

組合MLM機(jī)制及NSP機(jī)制，得到語(yǔ)義向量網(wǎng)絡(luò)層；

利用所述語(yǔ)義向量網(wǎng)絡(luò)層計(jì)算所述句子對(duì)，得到具有上下文語(yǔ)義信息的語(yǔ)義向量；

通過(guò)預(yù)先構(gòu)建的相似度計(jì)算網(wǎng)絡(luò)層對(duì)所述語(yǔ)義向量進(jìn)行計(jì)算，得到所述句子對(duì)的相似度；

根據(jù)所述句子對(duì)的相似度及所述標(biāo)簽優(yōu)化所述語(yǔ)義向量網(wǎng)絡(luò)層及所述相似度計(jì)算網(wǎng)絡(luò)層，得到學(xué)習(xí)器；

確定所述待確定試題的來(lái)源；

從所述來(lái)源中獲取預(yù)設(shè)數(shù)量的試題，并利用所述試題對(duì)所述學(xué)習(xí)器進(jìn)行微調(diào)，得到所述Bert模型。