【技术实现步骤摘要】
智能问答召回方法、装置、计算机设备及存储介质
[0001]本申请涉及人工智能
，尤其涉及一种智能问答召回方法、装置、计算机设备及存储介质。
技术介绍
[0002]智能问答系统以一问一答的形式可以对网站用户所需要的提问知识进行精确定位。通过与网站用户进行交互，智能问答系统可以为网站用户提供个性化的信息服务。智能问答系统包括相关问答推送、焦点问题自动排行、在线客服问答等方面，这些都与计算句子的相似度密切相关，根据句子相似度予以打分，完成推送回答、排序、在线回答等任务。
[0003]近年来，智能问答系统主要通过预训练语言模型来对语料库进行预训练，再根据具体的问答句子选择任务进行微调得以实现。然而，当前通过对预训练语言模型进行微调的方法，在保证问答匹配效率的同时，往往准确度不高；在确保问答匹配的准确率时，却又因为交叉编码的特征，无法实现高效地问答匹配。
技术实现思路
[0004]本申请实施例的目的在于提出一种智能问答召回方法、装置、计算机设备及存储介质，以解决当前问答匹配系统无法在确保问答匹配的准确率的...
【技术保护点】
【技术特征摘要】
1.一种智能问答召回方法，其特征在于，包括下述步骤：获取预设数据集，对所述预设数据集中的训练问题进行分词处理，得到第一词语集合，对所述预设数据集中的候选答案进行分词处理，得到第二词语集合；构建基础问答模型，所述基础问答模型包括左编码层、右编码层、第一注意力层、聚合层和第二注意力层，将所述第一词语集合输入至所述基础问答模型的左编码层，编码得到第一编码向量，将所述第二词语集合输入至所述基础问答模型的右编码层，编码得到第二编码向量；基于所述基础问答模型的第一注意力层对所述第一编码向量进行注意力计算，得到所述训练问题对应的问题编码向量，基于所述基础问答模型的聚合层中的聚合函数对所述第二编码向量进行计算，得到所述候选答案对应的候选答案表征向量；根据所述基础问答模型的第二注意力层对所述问题编码向量和所述候选答案表征向量进行注意力计算，得到问题表征向量，计算所述问题表征向量和所述候选答案表征向量的相似度，基于所述相似度对所述基础问答模型进行训练，得到目标问答模型；在接受到待处理问题时，将所述待处理问题和所述候选答案输入所述目标问答模型，得到所述待处理问题对应的目标召回语句。2.根据权利要求1所述的智能问答召回方法，其特征在于，所述基于所述基础问答模型的第一注意力层对所述第一编码向量进行注意力计算，得到所述训练问题对应的问题编码向量，基于所述基础问答模型的聚合层中的聚合函数对所述第二编码向量进行计算，得到所述候选答案对应的候选答案表征向量的步骤包括：获取所述第一编码向量对应的枚举向量，根据所述第一编码向量和所述枚举向量进行注意力计算，得到所述问题编码向量；获取预设的聚合函数，根据所述聚合函数对所述第二编码向量进行聚合，得到所述第二编码向量的候选答案表征。3.根据权利要求2所述的智能问答召回方法，其特征在于，所述获取所述第一编码向量对应的枚举向量的步骤包括：获取随机初始值和所述第一编码向量的维度；从所述第一编码向量中选取所述随机初始值个数的向量作为所述枚举向量，并将所述第一编码向量的维度作为所述枚举向量的向量维度。4.根据权利要求1所述的智能问答召回方法，其特征在于，所述构建基础问答模型的步骤包括：获取预训练完成的预编码层，将所述预编码层作为所述基础问答模型的左编码层和右编码层；获取预设的第一注意力函数和激活函数，根据所述第一注意力函数构建第一注意力层，根据所述激活函数构建聚合层；获取第二注意力函数，根据所述第二注意力函数构建第二注意力层，组合所述左编码层、所述右编码层、所述第一注意力层、所述聚合层和所述第二注意力层为所述基础问答模型。5.根据权利要求4所述的智能问答召回方法，其特征在于，所述获取预训练完成的预编码层的步骤包括：
获取在线语料库和基础预训练语言模型，根据所述在线语料库对所述基础预训练语言模型进行训练，得到目标预训练语言模型，将所述目标预训练语言模型的编码层作为所述预训练完成的预编码层。...
【专利技术属性】
技术研发人员：颜泽龙，王健宗，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：
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。