【技术实现步骤摘要】
查询方法及装置、存储介质和处理器
本申请涉及智能问答领域，具体而言，涉及一种查询方法及装置、存储介质和处理器。
技术介绍
相关技术中，搜索引擎从全文搜索逐渐向精准搜索转变，对于开放域的问答系统较多，例如可以采用模板映射意图(predicate)的方法，寻找用户问题与答案之间的中间映射关系。从而在知识库(KnowledgeBase，简称为KB)中寻找到答案的模型，该方法的关键在于用户问题中实体元素的识别，但是对于实体元素的识别往往需要对问题进行切词处理，因此，相关技术中对问题语句的识别方式受限于分词的识别方式，识别结果不够精确。针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
本申请实施例提供了一种查询方法及装置、存储介质和处理器，以至少解决相关技术中在对问题语句进行识别时受限于分词的识别方式，不能提供更精确的识别结果的技术问题。根据本申请实施例的一个方面，提供了一种查询方法，包括：获取第一语句的第一向量矩阵，以及第二语句的第二向量矩阵，其中，第一向量矩阵包括第一语句的字向量，第二向量矩阵包括第二...
【技术保护点】
1.一种查询方法，其特征在于，包括：/n获取第一语句的第一向量矩阵，以及第二语句的第二向量矩阵，其中，所述第一向量矩阵包括所述第一语句的字向量，所述第二向量矩阵包括所述第二语句的字向量；/n对所述第一向量矩阵和第二向量矩阵中的字向量分别进行卷积处理，得到所述第一语句的第一卷积特征矩阵和所述第二语句的第二卷积特征矩阵；/n基于所述第一卷积特征矩阵和所述第二卷积特征矩阵确定所述第一语句和所述第二语句的相似度；/n基于所述相似度确定是否将所述第二语句对应的查询结果作为所述第一语句的查询结果。/n
【技术特征摘要】
1.一种查询方法，其特征在于，包括：
获取第一语句的第一向量矩阵，以及第二语句的第二向量矩阵，其中，所述第一向量矩阵包括所述第一语句的字向量，所述第二向量矩阵包括所述第二语句的字向量；
对所述第一向量矩阵和第二向量矩阵中的字向量分别进行卷积处理，得到所述第一语句的第一卷积特征矩阵和所述第二语句的第二卷积特征矩阵；
基于所述第一卷积特征矩阵和所述第二卷积特征矩阵确定所述第一语句和所述第二语句的相似度；
基于所述相似度确定是否将所述第二语句对应的查询结果作为所述第一语句的查询结果。
2.根据权利要求1所述的方法，其特征在于，基于所述第一卷积特征矩阵和所述第二卷积特征矩阵确定所述第一语句和所述第二语句的相似度，包括：
获取所述第一卷积特征矩阵中的向量和所述第二卷积特征矩阵中的向量之间的相关度指标，其中，所述相关度指标用于量化所述第一卷积特征矩阵中特征向量和所述第二卷积特征矩阵中特征向量的关联程度；
采用所述相关度指标分别对所述第一卷积特征矩阵和所述第二卷积特征矩阵进行池化处理，得到第一目标向量矩阵和第二目标向量矩阵；
计算所述第一目标向量矩阵和第二目标向量矩阵之间的相似度，将所述第一目标向量矩阵和第二目标向量矩阵之间的相似度作为所述第一语句和所述第二语句之间的相似度。
3.根据权利要求2所述的方法，其特征在于，获取所述第一卷积特征矩阵中的向量和所述第二卷积特征矩阵中的向量之间的相关度指标，包括：
获取所述第一卷积特征矩阵中的向量和所述第二卷积特征矩阵中的向量之间的皮尔森相关系数，将所述皮尔森相关系数作为所述相关度指标。
4.根据权利要求2所述的方法，其特征在于，基于所述第一卷积特征矩阵和所述第二卷积特征矩阵确定所述第一语句和所述第二语句的相似度之前，所述方法还包括：
对所述第一卷积特征矩阵和所述第二卷积特征矩阵进行以下至少之一调整：行数、列数和维数。
5.根据权利要求2所述的方法，其特征在于，采用所述相关度指标分别对所述第一卷积特征矩阵和所述第二卷积特征矩阵进行池化处理，得到第一目标向量矩阵和第二目标向量矩阵，包括：
采用所述相关度指标分别对所述第一卷积特征矩阵和所述第二卷积特征矩阵进行降维处理；
对降维处理后的第一卷积特征矩阵和所述第二卷积特征矩阵进行最大池化处理，得到第一目标向量矩阵和第二目标向量矩阵。
6.根据权利要求5所述的方法，其特征在于，采用所述相关度指标分别对所述第一卷积特征矩阵和所述第二卷积特征矩阵进行降维处理，包括：
确定所述第一卷积特征矩阵和第二卷积特征矩阵...
【专利技术属性】
技术研发人员：陈明威，马雅奇，陈功，陈彦宇，谭泽汉，
申请(专利权)人：珠海格力电器股份有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。