基于注意力机制的智能问答方法、装置、设备和存储介质制造方法及图纸

本发明专利技术提供一种基于注意力机制的智能问答方法、装置、计算机设备和存储介质，该方法包括：获取提问文本；通过预设的多层注意力模型对所述提问文本进行处理，得到所述提问文本的分类结果，其中，所述多层注意力模型包括字编码器、字注意力层、词组编码器、词组注意力层、句编码器、句注意力层、以及分类器；从预设的问答知识库中匹配与所述分类结果对应的答案并输出所述答案。本发明专利技术提高了对提问文本中意图识别的准确性，进而有效提高智能问答的有效性、准确性和效率。

【技术实现步骤摘要】
基于注意力机制的智能问答方法、装置、设备和存储介质
本专利技术属于自然语言处理领域，具体涉及一种基于注意力机制的智能问答方法、装置、设备和存储介质。
技术介绍
随着人工智能技术和自然语言处理技术的发展，智能问答系统具有广泛的发展前景。智能问答系统作为信息检索系统的高级表现形式，能够采用准确、简洁地自然语言回答用户所提问的问题。例如，传统各行业中招聘岗位一般通过人工进行面试，特别是对于某些流动性大、招聘需求大的岗位，人力部门需要花费大量的精力和资源开展频繁的面试，导致招聘的成本较高、招聘时程长、且耗费人力资源。对此，目前引入了自助面试，可以通过终端设备自动向应聘者提问，并采集应聘者提供的答案；在面试的最后，通常还需要通过智能问答系统自动回答应聘者输入的一些提问，如工作时间、工作内容、薪酬等方面的一些疑惑。然而，现有的智能问答系统缺乏对词组的注意力，例如，对于问句“公司加班薪酬是多少？”，可能会将“加班薪酬”理解为“加班”或“薪酬”，从而导致识别问题不准确，影响回答的正确性。
技术实现思路
针对上述现有技术的不足，本专利本文档来自技高网...

【技术保护点】
1.一种基于注意力机制的智能问答方法，其特征在于，包括：/n获取提问文本；/n通过预设的多层注意力模型对所述提问文本进行处理，得到所述提问文本的分类结果，其中，所述多层注意力模型包括字编码器、字注意力层、词组编码器、词组注意力层、句编码器、句注意力层、以及分类器；/n从预设的问答知识库中匹配与所述分类结果对应的答案并输出所述答案。/n

【技术特征摘要】
1.一种基于注意力机制的智能问答方法，其特征在于，包括：
获取提问文本；
通过预设的多层注意力模型对所述提问文本进行处理，得到所述提问文本的分类结果，其中，所述多层注意力模型包括字编码器、字注意力层、词组编码器、词组注意力层、句编码器、句注意力层、以及分类器；
从预设的问答知识库中匹配与所述分类结果对应的答案并输出所述答案。


2.根据权利要求1所述的基于注意力机制的智能问答方法，其特征在于，所述通过预设的多层注意力模型对所述提问文本进行处理，包括：
获取所述提问文本中的全部分句；
获取所述分句中全部预定数量个相邻字，并根据所述预定数量个相邻字构成对应的词组；
通过所述字编码器获取所述提问文本中每个字的字向量语义编码；
通过所述字注意力层对每个所述词组中每个字的所述字向量语义编码进行处理，以获取每个所述词组的词组注意力向量；
通过所述词组编码器对每个所述词组的词组注意力向量进行处理，以获取每个所述词组的词组向量语义编码；
通过所述词组注意力层对每个所述分句中每个所述词组的词组向量语义编码进行处理，以获取每个所述分句的句注意力向量；
通过所述句编码器对每个所述分句的句注意力向量进行处理，以获取每个所述分句的句向量语义编码；
通过所述句注意力层对每个所述分句的句向量语义编码进行处理，以获取所述提问文本的文本注意力向量；
通过所述分类器对所述文本注意力向量进行分类处理，得到所述提问文本的分类结果。


3.根据权利要求2所述的基于注意力机制的智能问答方法，其特征在于，所述获取所述分句中全部预定数量个相邻字，并根据所述预定数量个相邻字构成对应的词组包括：
以所述分句的第一个字为起点，以预定滑动步长向后滑动预设的滑动窗口，并在滑动过程中提取所述滑动窗口内的相邻字作为对应所述分句中的词组，直至所述滑动窗口滑过所述分句中的每个字，其中所述滑动窗口的长度与所述预定数量一致。


4.根据权利要求2所述的基于注意力机制的智能问答方法，其特征在于，所述通过所述字编码器获取所述提问文本中每个字的字向量语义编码，包括通过所述字编码器执行以下操作：
将所述提问文本中的每个字分别转换成对应的字向量，并通过预设的第一双向神经网络模型对所述每个字对应的字向量进行处理，得到所述每个字的字向量语义编码。


5.根据权利要求2所述的基于注意力机制的智能问答方法，其特征在于，所述通过所述字注意力层对每个所述词组中每个字的所述字...

【专利技术属性】
技术研发人员：邓悦，金戈，徐亮，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44