基于语义训练算法的人工智能问答方法技术

本发明专利技术涉及人工智能技术，尤其为基于语义训练算法的人工智能问答方法，包括如下步骤：S1.1：采集语料数据；S1.2：对采集的语料数据进行数据预处理；S1.3：基于采集的语料数据构建语义训练模型；S1.4：对构建的语义训练模型进行模型优化训练。本发明专利技术通过对采集的语料数据进行脱敏处理，防止了敏感数据的泄露，保证了人工智能问答的安全性，通过构建语义训练模型，分别进行掩码训练和顺序逻辑训练，提高了语义训练模型的学习能力，提高了人工智能问答系统的扩展性，提升了人工智能问答的准确性和回复率，能够更加高效地回复问题，可应用于各智能领域中。智能领域中。智能领域中。

【技术实现步骤摘要】
基于语义训练算法的人工智能问答方法


[0001]本专利技术涉及人工智能技术，尤其是基于语义训练算法的人工智能问答方法。

技术介绍

[0002]自然语言处理是对人类用于进行信息传播的媒介如语言、文字等进行处理的一种科学研究，它的英文名称是Natural Language Processing，简称NLP，是属于当下非常热门的人工智能中的一个重要领域，对话系统则是NLP中的一个十分重要的研究方向，主要研究如何能使计算机具备与人交互的智能思维，是人工智能的一项重要工作，同时也是一项极具挑战的任务。在1950年，图灵通过《计算机与智能》一文发表了一种对计算机系统的评价方式，名叫“图灵测试”，空前绝后地为计算机智能提供了明确的目标方向，就是通过人机对话的方式来表现计算机的智能化水平，引发了学者们的广泛关注。当前对话系统主要有问答系统，帮助用户对问题进行回答；任务导向型对话系统，主要是在指定的场景任务下为用户提供相应的操作提示等；问答系统主要是通过对用户输入的问题进行处理，根据输入分析出问题关键内容，通过在候选的已有问答中寻找和生成回答，可以认为是为用户提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于语义训练算法的人工智能问答方法，其特征在于：包括如下步骤：S1.1：采集语料数据；S1.2：对采集的语料数据进行数据预处理；S1.3：基于采集的语料数据构建语义训练模型；S1.4：对构建的语义训练模型进行模型优化训练。2.根据权利要求1所述的基于语义训练算法的人工智能问答方法，其特征在于：所述S1.2中，对采集的语料数据进行错误检测修正处理和脱敏处理。3.根据权利要求1所述的基于语义训练算法的人工智能问答方法，其特征在于：所述S1.3中，对输入的语料数据进行定义，定义输入为其中，m表示对话的总轮次，i∈[1,m]表示对话的第i轮次，u
i
表示第i轮次所回复的话语，定义n
i
是第i轮次的所回复的话语的长度，表示第i轮次话语中所回复的话语的第j个字符，j∈[1,n
i
]。4.根据权利要求3所述的基于语义训练算法的人工智能问答方法，其特征在于：所述S1.3中，语义训练模型的输入包括token编码、片段编码和位置编码，将token编码与片段编码、位置编码的相加作为输入，其中，token编码为对应的字符嵌入表为E
t
，表示词片段编码为对应的片段嵌入表为E
s
，S表示最大片段数量，位置编码为对应的位置嵌入表为N表示整个对话的序列长度，即其中，m表示对话的总轮次，i∈[1,m]表示对话的第i轮次，n
i
是第i轮次所回复的话语长度，得到语义训练模型总输入为：其中，e
ij
为语义训练模型的输入，每个位置对应的嵌入向量；i∈[1,m]，j∈[1,n
i
]；经过提取，得到：E
ij
＝transformer(e
ij
)其中，E
ij
表示序列每个字符的输出向量。5.根据权利要求4所述的基于语义训练算法的人工智能问答方法，其特征在于：通过...

【专利技术属性】
技术研发人员：徐杭，
申请(专利权)人：南京百珏科技有限公司，
类型：发明
国别省市：