【技术实现步骤摘要】
问答处理方法、装置、计算机设备及存储介质
[0001]本申请涉及人工智能
，尤其涉及一种问答处理方法、装置、计算机设备及存储介质。
技术介绍
[0002]随着计算机技术的发展，基于计算机的自然语言处理也得到了极大的发展。智能问答是自然语言处理中的重要应用，它是根据用户输入的问题进行检索，返回与问题相关的答案信息。
[0003]当前的问答技术通常是单模态的，即输出的答案只能是文本与图像中的一种，在答案以文本和图像共同表示更佳的情况下，问答的准确度会有所欠缺。
技术实现思路
[0004]本申请实施例的目的在于提出一种问答处理方法、装置、计算机设备及存储介质，以解决问答准确性较低的问题。
[0005]为了解决上述技术问题，本申请实施例提供一种问答处理方法，采用了如下所述的技术方案：
[0006]获取携带有问题文本特征的问答请求，其中，所述问题文本特征基于问题文本生成；
[0007]获取多条初始信息特征，其中，初始信息特征为基于图像生成的图像特征或者基于文本生成的文本特征；
[0008]通过关联评估模型筛选与所述问题文本相关的初始信息特征，得到多条召回信息特征；
[0009]根据所述问题文本特征和各召回信息特征构建问答特征；
[0010]将所述问答特征输入问答模型，以基于所述问答模型中的图像处理子模型对所述问答特征中的图像特征进行处理生成图像答案信息，以及基于所述问答模型中的文本处理子模型对所述问答特征中的文本特征进行处理生成文本答案信息；>[0011]根据所述图像答案信息和所述文本答案信息生成所述问答请求的答案信息。
[0012]为了解决上述技术问题，本申请实施例还提供一种问答处理装置，采用了如下所述的技术方案：
[0013]请求获取模块，用于获取携带有问题文本特征的问答请求，其中，所述问题文本特征基于问题文本生成；
[0014]信息获取模块，用于获取多条初始信息特征，其中，初始信息特征为基于图像生成的图像特征或者基于文本生成的文本特征；
[0015]信息筛选模块，用于通过关联评估模型筛选与所述问题文本相关的初始信息特征，得到多条召回信息特征；
[0016]特征构建模块，用于根据所述问题文本特征和各召回信息特征构建问答特征；
[0017]答案生成模块，用于将所述问答特征输入问答模型，以基于所述问答模型中的图像处理子模型对所述问答特征中的图像特征进行处理生成图像答案信息，以及基于所述问答模型中的文本处理子模型对所述问答特征中的文本特征进行处理生成文本答案信息；
[0018]信息生成模块，用于根据所述图像答案信息和所述文本答案信息生成所述问答请求的答案信息。
[0019]为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：
[0020]获取携带有问题文本特征的问答请求，其中，所述问题文本特征基于问题文本生成；
[0021]获取多条初始信息特征，其中，初始信息特征为基于图像生成的图像特征或者基于文本生成的文本特征；
[0022]通过关联评估模型筛选与所述问题文本相关的初始信息特征，得到多条召回信息特征；
[0023]根据所述问题文本特征和各召回信息特征构建问答特征；
[0024]将所述问答特征输入问答模型，以基于所述问答模型中的图像处理子模型对所述问答特征中的图像特征进行处理生成图像答案信息，以及基于所述问答模型中的文本处理子模型对所述问答特征中的文本特征进行处理生成文本答案信息；
[0025]根据所述图像答案信息和所述文本答案信息生成所述问答请求的答案信息。
[0026]为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：
[0027]获取携带有问题文本特征的问答请求，其中，所述问题文本特征基于问题文本生成；
[0028]获取多条初始信息特征，其中，初始信息特征为基于图像生成的图像特征或者基于文本生成的文本特征；
[0029]通过关联评估模型筛选与所述问题文本相关的初始信息特征，得到多条召回信息特征；
[0030]根据所述问题文本特征和各召回信息特征构建问答特征；
[0031]将所述问答特征输入问答模型，以基于所述问答模型中的图像处理子模型对所述问答特征中的图像特征进行处理生成图像答案信息，以及基于所述问答模型中的文本处理子模型对所述问答特征中的文本特征进行处理生成文本答案信息；
[0032]根据所述图像答案信息和所述文本答案信息生成所述问答请求的答案信息。
[0033]与现有技术相比，本申请实施例主要有以下有益效果：获取问题文本的问题文本特征，并获取多条初始信息特征，初始信息特征为图像的图像特征或文本的文本特征，可能蕴含有答案信息；通过关联评估模型筛选与问题文本相关的初始信息特征，得到多条召回信息特征，从而过滤掉与问题文本无关的信息，提高了问答的准确性；根据问题文本特征和各召回信息特征构建问答特征，然后输入问答模型，问答模型中具有图像处理子模型和文本处理子模型，基于图像处理子模型可以对问答特征中的图像特征进行处理以及图像生成，得到图像答案信息，基于文本处理子模型可以对问答特征中的文本特征进行处理以及文本生成，得到文本答案信息，从而实现多模态答案信息的生成，提升了多模态问答的准确
性。
附图说明
[0034]为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0035]图1是本申请可以应用于其中的示例性系统架构图；
[0036]图2是根据本申请的问答处理方法的一个实施例的流程图；
[0037]图3是根据本申请的token对齐的一个实施例的示意图。
[0038]图4是根据本申请的问答处理装置的一个实施例的结构示意图；
[0039]图5是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
[0040]除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的
的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。
[0041]在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种问答处理方法，其特征在于，包括下述步骤：获取携带有问题文本特征的问答请求，其中，所述问题文本特征基于问题文本生成；获取多条初始信息特征，其中，初始信息特征为基于图像生成的图像特征或者基于文本生成的文本特征；通过关联评估模型筛选与所述问题文本相关的初始信息特征，得到多条召回信息特征；根据所述问题文本特征和各召回信息特征构建问答特征；将所述问答特征输入问答模型，以基于所述问答模型中的图像处理子模型对所述问答特征中的图像特征进行处理生成图像答案信息，以及基于所述问答模型中的文本处理子模型对所述问答特征中的文本特征进行处理生成文本答案信息；根据所述图像答案信息和所述文本答案信息生成所述问答请求的答案信息。2.根据权利要求1所述的问答处理方法，其特征在于，在所述获取携带有问题文本特征的问答请求的步骤之前，还包括：获取多条初始信息；当初始信息为图像时，通过第一视觉特征提取模型对所述图像进行特征提取，得到第一视觉特征和所述图像中的目标对象图像；通过第二视觉特征提取模型对所述目标对象图像进行特征提取，得到第二视觉特征；基于所述第一视觉特征和所述第二视觉特征生成所述图像的图像特征；当初始信息为文本时，对所述文本进行编码得到文本特征；将得到的图像特征和文本特征确定为初始信息特征。3.根据权利要求1所述的问答处理方法，其特征在于，所述通过关联评估模型筛选与所述问题文本相关的初始信息特征，得到多条召回信息特征的步骤包括：将所述问题文本特征与各初始信息特征分别进行拼接，得到多条待评估特征；将各待评估特征分别输入关联评估模型，得到多个关联评估值；选取关联评估值大于预设的关联阈值的待评估特征；将选取到的待评估特征中的初始信息特征确定为召回信息特征。4.根据权利要求1所述的问答处理方法，其特征在于，所述根据所述问题文本特征和各召回信息特征构建问答特征的步骤包括：对各召回信息特征中的图像特征进行拼接，并对所述各召回信息特征中的文本特征进行拼接；将所述问题文本特征、拼接后的图像特征和拼接后的文本特征分别调整至预设的类型特征长度；对长度调整后的所述问题文本特征、所述图像特征和所述文本特征进行拼接，得到初始问答特征；对所述初始问答特征中的所述问题文本特征、所述图像特征和所述文本特征分别添加位置编码和特征类型编码，得到问答特征。5.根据权利要求4所述的问答处理方法，其特征在于，在所述对所述各召回信息特征中的文本特征进行拼接的步骤之后，还包括：获取预设的问答配置信息，其中，所述问答配置信息包括问答风格信息、场景信息和用
户信息；将所述问答配置信息合并至所述文本特征。6.根据权利...
【专利技术属性】
技术研发人员：刁梁，
申请(专利权)人：中国平安财产保险股份有限公司，
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。