[發(fā)明專利]自動(dòng)問答方法、裝置、設(shè)備及介質(zhì)在審
| 申請(qǐng)?zhí)枺?/td> | 202110852375.0 | 申請(qǐng)日: | 2021-07-27 |
| 公開(公告)號(hào): | CN113821614A | 公開(公告)日: | 2021-12-21 |
| 發(fā)明(設(shè)計(jì))人: | 劉亞飛;黃予;葉碧榮;王碩佳;趙瑞輝;鄭建光 | 申請(qǐng)(專利權(quán))人: | 騰訊科技(深圳)有限公司 |
| 主分類號(hào): | G06F16/332 | 分類號(hào): | G06F16/332;G06F16/35;G06F16/36;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司: | 北京三高永信知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11138 | 代理人: | 張所明 |
| 地址: | 518057 廣東省深圳*** | 國省代碼: | 廣東;44 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 自動(dòng) 問答 方法 裝置 設(shè)備 介質(zhì) | ||
1.一種自動(dòng)問答方法,其特征在于,所述方法包括:
獲取輸入問題的輸入問題句向量,以及K組問答句向量模板,每組所述問答句向量模板包括成對(duì)出現(xiàn)的問題文本句向量和答復(fù)文本句向量,K為大于1的整數(shù);
基于第一注意力機(jī)制,融合所述輸入問題句向量和所述問題文本句向量,得到問題綜合類別向量;以及基于第二注意力機(jī)制,融合所述輸入問題句向量和所述答復(fù)文本句向量,得到答復(fù)綜合類別向量;
根據(jù)所述輸入問題句向量、所述問題綜合類別向量和所述答復(fù)綜合類別向量,得到類別概率,所述類別概率用于表示所述輸入問題屬于所述K組問答句向量模板中的目標(biāo)問答句向量模板的概率;
根據(jù)所述類別概率,將所述目標(biāo)句向量模板對(duì)應(yīng)的答復(fù)文本確定為所述輸入問題的輸出答復(fù)。
2.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述基于第一注意力機(jī)制,根據(jù)所述輸入問題句向量和所述問題文本句向量,得到問題綜合類別向量,包括:
將所述輸入問題句向量分別和所述K組問答句向量模板內(nèi)的問題文本句向量進(jìn)行向量交互,得到K組問題重要性權(quán)重;所述K組問題重要性權(quán)重中的第k1組問題重要性權(quán)重用于表示所述輸入問題與所述第k1組問答句向量模板對(duì)應(yīng)的問題文本的相關(guān)程度,1≤k1≤K,k1為正整數(shù);
根據(jù)所述K組問題重要性權(quán)重,得到K個(gè)問題注意力權(quán)重;
獲取K個(gè)問題類別向量,所述K個(gè)問題類別向量中的第k2組問題類別向量用于表示所述第k2組問答句向量模板內(nèi)的問題文本句向量的均值,1≤k2≤K,k2為正整數(shù);
加權(quán)組合所述K個(gè)問題注意力權(quán)重和所述K個(gè)問題類別向量,計(jì)算得到所述問題綜合類別向量。
3.根據(jù)權(quán)利要求2所述的方法,其特征在于,所述根據(jù)所述K組問題重要性權(quán)重,得到K個(gè)問題注意力權(quán)重,包括:
取所述K組問題重要性權(quán)重中每組問題重要性權(quán)重的由大到小排序的前a個(gè)值,組合得到問題重要性權(quán)重序列,所述問題重要性權(quán)重序列包括a*K個(gè)問題重要性權(quán)重,a為正整數(shù);
從所述問題重要性權(quán)重序列中提取出所述K個(gè)問題注意力權(quán)重。
4.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述基于第二注意力機(jī)制,融合所述輸入問題句向量和所述答復(fù)文本句向量,得到答復(fù)綜合類別向量,包括:
將所述輸入問題句向量分別和所述K組問答句向量模板內(nèi)的答復(fù)文本句向量進(jìn)行向量交互,得到K組答復(fù)重要性權(quán)重,所述K組答復(fù)重要性權(quán)重中的第k3組答復(fù)重要性權(quán)重用于表示所述輸入問題與所述第k3組問答句向量模板對(duì)應(yīng)的答復(fù)文本的相關(guān)程度,1≤k3≤K,k3為正整數(shù);
根據(jù)所述K組答復(fù)重要性權(quán)重,得到K個(gè)答復(fù)注意力權(quán)重;
獲取K個(gè)答復(fù)類別向量,所述K個(gè)答復(fù)類別向量中的第k4組答復(fù)類別向量用于表示所述第k4組問答句向量模板內(nèi)的答復(fù)文本句向量的均值,1≤k4≤K,k4為正整數(shù);
加權(quán)組合所述K個(gè)答復(fù)注意力權(quán)重和所述K個(gè)答復(fù)類別向量,計(jì)算得到所述答復(fù)綜合類別向量。
5.根據(jù)權(quán)利要求4所述的方法,其特征在于,所述根據(jù)所述K組答復(fù)重要性權(quán)重,得到K個(gè)答復(fù)注意力權(quán)重,包括:
取所述K組答復(fù)重要性權(quán)重中每一組答復(fù)重要性權(quán)重的由大到小排序的前b個(gè)值,組合得到答復(fù)重要性權(quán)重序列,所述答復(fù)重要性權(quán)重序列包括b*K個(gè)答復(fù)重要性權(quán)重,b為正整數(shù);
從所述答復(fù)重要性權(quán)重序列中提取出所述K個(gè)答復(fù)注意力權(quán)重。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于騰訊科技(深圳)有限公司,未經(jīng)騰訊科技(深圳)有限公司許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110852375.0/1.html,轉(zhuǎn)載請(qǐng)聲明來源鉆瓜專利網(wǎng)。
- 上一篇:一種裝配式復(fù)合路基擋土墻及其施工方法
- 下一篇:刀型骨材無碼裝配工裝
- 用于生成動(dòng)態(tài)幫助文檔的方法和系統(tǒng)
- 建立問答文本評(píng)價(jià)模型與評(píng)價(jià)問答文本的方法、裝置
- 基于學(xué)生問答方式的在線教育系統(tǒng)
- 一種問答輸入的智能提示方法、裝置和終端設(shè)備
- 一種通用的智能問答自動(dòng)化運(yùn)維系統(tǒng)及方法
- 自動(dòng)問答方法、裝置、可讀存儲(chǔ)介質(zhì)及電子設(shè)備
- 一種基于知識(shí)圖譜的智能問答引擎及其實(shí)現(xiàn)方法
- 基于人工智能技術(shù)的類腦問答系統(tǒng)
- 一種基于語義分析技術(shù)的專業(yè)制度檔案問答機(jī)器人系統(tǒng)
- 一種視覺問答方法、系統(tǒng)及服務(wù)器
- 一種數(shù)據(jù)庫讀寫分離的方法和裝置
- 一種手機(jī)動(dòng)漫人物及背景創(chuàng)作方法
- 一種通訊綜合測(cè)試終端的測(cè)試方法
- 一種服裝用人體測(cè)量基準(zhǔn)點(diǎn)的獲取方法
- 系統(tǒng)升級(jí)方法及裝置
- 用于虛擬和接口方法調(diào)用的裝置和方法
- 線程狀態(tài)監(jiān)控方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)
- 一種JAVA智能卡及其虛擬機(jī)組件優(yōu)化方法
- 檢測(cè)程序中方法耗時(shí)的方法、裝置及存儲(chǔ)介質(zhì)
- 函數(shù)的執(zhí)行方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)





