【技术实现步骤摘要】
一种基于深度学习的智能问答方法
[0001]本专利技术涉及人工智能及自然语言处理
，具体地说是一种基于深度学习的智能问答方法。
技术介绍
[0002]随着互联网时代的快速发展，越来越多的人们习惯于在网络上寻求问题解答，体现在生活中的各行各业中，用户每天提出的问题不仅数量多，还会出现很多描述方式不同但语义相同的问题，对这类问题重复进行解答会耗费大量的人力和物力。智能问答技术应运而生，它以准确、简洁的自然语言回答用户提出的复杂问题，被大家熟知的有解决人们线上购物需求的阿里的小蜜，满足人的陪伴需求的小爱同学等。
[0003]现有智能问答技术多以文本信息、语音信息交互，形式比较单一，无法准确获取用户意图，对于复杂的语句环境问答准确率低，影响用户体验感。传统的模型训练速度慢、计算量大、匹配精准度低，目前广泛使用深度神经网络来提取文本特征，常用的如RNN、CNN和Transformer等模型，其中Transformer具有更好的泛化性能，BERT等大型预训练神经网络模型被用于对话系统中的检索任务，但在生成任务上表现较差，而...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的智能问答方法，其特征在于，该方法的实现包括以下步骤：1)、构建问答知识数据库，进行数据预处理，相似语句自动生成丰富文本问答数据集；2)、搭建问答系统网络，基于问答数据集训练模型；3)、获取用户输入的问题，进行数据预处理；4)、语义识别对比问题的相似度，检索问答知识数据库，搜索匹配答案；5)、问答知识数据库在线实时更新，记录用户问题到知识数据库库，完成自我学习；其中，使用Sentence
‑
BERT模型对文本数据进行句向量化处理，通过Faiss建立向量索引，使用IndexIVFFlat倒排文件索引方法提高检索速度。2.根据权利要求1所述的一种基于深度学习的智能问答方法，其特征在于，所述构建问答知识数据库，相似语句自动生成丰富文本问答数据集，利用用户与客服的问答对数据构建问答文档；并进行数据预处理操作包括分词、去除停用词和分配id号操作，从而得到数据集；采集到的问题和答案对应id号存储于问答知识数据库中。3.根据权利要求2所述的一种基于深度学习的智能问答方法，其特征在于，所述数据预处理操作具体包括：去除标点符号等特殊符号；采用jieba全模式分词，把句子中所有的可以成词的词语快速扫描出来；采用哈工大停用词表，去除掉会影响分类结果的停用词。4.根据权利要求1或2所述的一种基于深度学习的智能问答方法，其特征在于，所述搭建问答系统网络，基于问答数据集训练模型，将问答数据集作为模型的输入，对深度学习网络模型进行训练，使用Sentence
‑
BERT模型对文本数据进行句向量化处理，然后通过Faiss对这些特征向量进行计算并建立向量索引，最后利用倒排文件索引方法提高对数据的检索速度与准确度；训练过程中，用预训练的Sentence
‑
BERT模型参数，微调后获取最优参数，模型中引入双向自注意力机制，在训练过程中自动融入上下文信息，动态更新词、字向量，解决一词多义问题。5.根据权利要求4所述的一种基于深度学习的智能问答方法，其特征在于，所述获取用户输入的问题并进行数据预处理，对用户输入的问题进行语义特征向量提取，首先进行数据预...
【专利技术属性】
技术研发人员：杨彤，李雪，段强，姜凯，
申请(专利权)人：山东浪潮科学研究院有限公司，
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。