相似对问题预测的方法、装置及电子设备制造方法及图纸

本发明专利技术实施例提供一种相似对问题预测的方法、装置及电子设备，其中，将待预测相似对问题输入至多个不同的预测模型中，获得每个预测模型输出的预测结果；其中，至少一个预测模型的嵌入层加入随机扰动参数；对多个预测结果进行投票运算，得到待预测相似对问题的最终预测结果。本申请通过在预测模型的嵌入层加入随机扰动参数可有效防止预测模型过度学习样本知识造成的过拟合，进而利用上述预测模型对相似对问题进行预测可有效提高预测的准确性。

【技术实现步骤摘要】
相似对问题预测的方法、装置及电子设备
本专利技术涉及神经网络模型
，尤其是涉及一种相似对问题预测的方法、装置及电子设备。
技术介绍
利用神经网络分类模型将患者常见的问题问答进行相似分类是一个有价值的事情，比如，识别患者相似问题，有利于理解患者真正诉求，帮助快速匹配准确答案，提升患者获得感；而归纳医生相似答案，可有助于分析答案规范性避免误诊。目前，常在现有神经网络分类模型中加入固定扰动参数以防止过拟合，然而这种方式在模型训练的过程中容易学习到样本知识不利于防止过拟合。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种相似对问题预测的方法、装置及电子设备，以缓解上述技术问题。第一方面，本专利技术实施例提供了一种相似对问题预测的方法，其中，该方法包括：将待预测相似对问题输入至多个不同的预测模型中，获得每个预测模型输出的预测结果；其中，至少一个预测模型的嵌入层加入随机扰动参数；对多个预测结果进行投票运算，得到待预测相似对问题的最终预测结果。结合第一方面，本专利技术实施例提供了第一方面的第一种可能的实本文档来自技高网...

【技术保护点】
1.一种相似对问题预测的方法，其特征在于，所述方法包括：/n将待预测相似对问题输入至多个不同的预测模型中，获得每个所述预测模型输出的预测结果；其中，至少一个所述预测模型的嵌入层加入随机扰动参数；/n对多个所述预测结果进行投票运算，得到所述待预测相似对问题的最终预测结果。/n

【技术特征摘要】
1.一种相似对问题预测的方法，其特征在于，所述方法包括：
将待预测相似对问题输入至多个不同的预测模型中，获得每个所述预测模型输出的预测结果；其中，至少一个所述预测模型的嵌入层加入随机扰动参数；
对多个所述预测结果进行投票运算，得到所述待预测相似对问题的最终预测结果。


2.根据权利要求1所述的方法，其特征在于，每个所述预测模型包括多个预测子模型，每个所述预测子模型是由分配函数确定的相似对问题训练样本集训练预测模型得到；
获得每个所述预测模型输出的预测结果的步骤，包括：
将所述待预测相似对问题输入每个所述预测模型包括的多个预测子模型中，得到每个所述预测子模型输出的预测子结果；
将多个所述预测子结果进行投票运算，得到所述预测结果。


3.根据权利要求2所述的方法，其特征在于，所述预测子模型采用以下方式训练，包括：
获取原始相似对问题训练样本集；
利用相似性传递原理对所述原始相似对问题训练样本集进行训练样本扩充处理，得到扩充相似对问题训练样本集；
基于分配函数从所述扩充相似对问题训练样本集中确定相似对问题训练样本集；
利用所述相似对问题训练样本集和特定相似对问题训练样本集训练预测模型得到所述预测子模型。


4.根据权利要求3所述的方法，其特征在于，得到扩充相似对问题训练样本集之后，所述方法还包括：
对所述扩充相似对问题训练样本集中的每对相似对问题训练样本进行顺序标号；
基于所述分配函数从所述扩充相似对问题训练样本集中确定所述相似对问题训练样本集的步骤，包括：
利用所述分配函数的第一函数从所述扩充相似对问题训练样本集中确定第一标号：
利用所述分配函数的第二函数基于所述第一标号从所述扩充相似对问题训练样本集中确定第二标号：
选取所述第一标号和所述第二标号区间内的扩充相似对问题训练样本集作为所述相似对问题训练样本集。


5.根据权利要求4所述的方法，其特征在于，所述第一函数为：
i=AllNumb...

【专利技术属性】
技术研发人员：常德杰，刘邦长，谷书锋，赵红文，罗晓斌，张一坤，武云召，刘朝振，王海，张航飞，季科，
申请(专利权)人：北京妙医佳健康科技集团有限公司，
类型：发明
国别省市：北京;11