[發明專利]一種基于圖推理模型的答案預測方法及裝置在審
| 申請號： | 202110353541.2 | 申請日： | 2021-04-01 |
| 公開（公告）號： | CN112732888A | 公開（公告）日： | 2021-04-30 |
| 發明（設計）人： | 趙翔;霍立軍;劉逸冰;葛斌;譚真;胡升澤;張翀;肖衛東 | 申請（專利權）人： | 中國人民解放軍國防科技大學 |
| 主分類號： | G06F16/332 | 分類號： | G06F16/332;G06F16/33;G06F40/126;G06F40/30 |
| 代理公司： | 長沙大珂知識產權代理事務所(普通合伙) 43236 | 代理人： | 伍志祥 |
| 地址： | 410073 湖*** | 國省代碼： | 湖南;43 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 推理 模型 答案 預測 方法 裝置 | ||
1.一種基于圖推理模型的答案預測方法，其特征在于，包括以下步驟：
步驟1，接收問題和支持文檔集和候選集，問題的形式為，其中，是實體對象，是實體對象和未知右實體之間的關系，所述未知右實體就是需要從候選集中選擇的答案；
步驟2，通過文本瘦身篩選掉支持文檔集中不相關的文檔，并對所有的文本進行語義編碼；
步驟3，使用多種注意力機制進行多種文本的語義交互和圖節點的初始化；
步驟4，基于構建的圖，使用圖神經網絡信息傳遞算法進行多跳推理；
步驟5，基于更新后的圖節點表示，為每個候選計算用于預測答案的分數；
步驟6，根據所述預測答案的分數分布結果，預測未知右實體；
步驟3中所述的圖節點的初始化包括以下步驟：
步驟301，通過實體抽取獲得所需的實體；
步驟302，把實體、候選、句子分別和問題進行語義交互以更新各自的向量表示；
步驟303，使用一層自注意力來獲取基于實體、候選和句子的圖節點初始表示。
2.根據權利要求1所述的一種基于圖推理模型的答案預測方法，其特征在于，步驟2中所述的文本瘦身是指，在問題的輔助下，使用兩層的TF-IDF算法挑選出相關文檔，包括以下步驟：
步驟201，在第一層TF-IDF算法中，計算支持文檔集中每個文檔和問題的TF-IDF余弦相似度并取出具有最大余弦相似度的文檔；
步驟202，在第二層TF-IDF算法中，計算上一層取出的文檔和所有剩下所有文檔的TF-IDF余弦相似度；
步驟203，根據所述余弦相似度的大小給所有文檔排序，取出前
步驟204，從支持文檔集取出的全部文檔組成新的支持文檔集，其中，表示第
3.根據權利要求2所述的一種基于圖推理模型的答案預測方法，其特征在于，步驟2中所述的語義編碼是指，使用預訓練的語言模型用作編碼器，將支持文檔集、問題和候選中的每個詞塊轉化為固定長度的向量，同時文本的語義也在這個過程被編碼并存儲在向量之中，包括以下步驟：
步驟205，給定一個編碼器，文檔集和問題通過如下公式被編碼：，，其中，返回編碼器對輸入變量編碼后的結果，，分別是文檔集和問題的序列表示，表示返回文本序列的長度，是編碼器隱狀態的維度，表示維度；
步驟206，取出候選在中對應的編碼，從而獲得的編碼表示，其中，為候選集中的任意一個候選，為候選的個數；
步驟207，把文檔劃分為句子，并取出中相應的向量用作句子的語義編碼；
步驟208，獲得基于句子的文檔集語義編碼，其中表示第
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中國人民解放軍國防科技大學，未經中國人民解放軍國防科技大學許可，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/202110353541.2/1.html，轉載請聲明來源鉆瓜專利網。
