答案生成方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及人工智能及数字医疗领域，提供一种答案生成方法、装置、设备及存储介质。该方法根据待测问题、问题类型、证据文本及历史答案生成输入文本，对输入文本进行编码处理，得到文本编码，对文本编码进行感知处理，得到感知向量，并进行归一化处理，得到第一输出概率，基于文本编码，对感知向量及输入文本进行解码处理，得到解码信息，对解码信息进行预测，得到第二输出概率，根据第一输出概率及第二输出概率生成问题答案。上述方法利用神经网络能够准确的输出问题答案。此外，本发明专利技术还涉及区块链技术，所述问题答案可存储于区块链中。所述问题答案可存储于区块链中。所述问题答案可存储于区块链中。

【技术实现步骤摘要】
答案生成方法、装置、设备及存储介质


[0001]本专利技术涉及人工智能及数字医疗
，尤其涉及一种答案生成方法、装置、设备及存储介质。

技术介绍

[0002]随着人工智能的发展，自动问答系统也随之发展，目前的自动问答系统可以应用于医疗领域。在现有的自动问答系统中，通常直接根据问题从证据文本中检索出相应的答案，这种方式无法给出符合问题需要的答案格式，例如，对于一个计数问题，证据文本中可能只存在枚举的描述信息，因此，目前的自动问答系统无法生成合理的答案信息。
[0003]因此，如何准确并合理的生成问题所对应的答案文本，成了亟需解决的技术问题。

技术实现思路

[0004]鉴于以上内容，有必要提供一种答案生成方法、装置、设备及存储介质，能够解决如何准确并合理的生成问题所对应的答案文本的技术问题。
[0005]一方面，本专利技术提出一种答案生成方法，所述答案生成方法包括：
[0006]根据获取到的待测问题、所述待测问题的问题类型、所述待测问题所对应的证据文本、与所述待测问题关联的历史问题所对应的历史答案生成输入本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种答案生成方法，其特征在于，所述答案生成方法包括：根据获取到的待测问题、所述待测问题的问题类型、所述待测问题所对应的证据文本、与所述待测问题关联的历史问题所对应的历史答案生成输入文本；获取预先训练完成的答案识别模型，所述答案识别模型包括多个编码器、感知网络层、多个解码器及预测输出层；基于所述多个编码器对所述输入文本进行编码处理，得到文本编码；基于所述感知网络层对所述文本编码进行感知处理，得到感知向量，并对所述感知向量进行归一化处理，得到所述输入文本中每个文本词汇的第一输出概率；基于所述多个解码器及所述文本编码，对所述感知向量及所述输入文本进行解码处理，得到解码信息；基于所述预测输出层对所述解码信息进行预测，得到所述多个解码器中每个模板词汇的第二输出概率；根据所述第一输出概率及所述第二输出概率生成所述待测问题的问题答案。2.如权利要求1所述的答案生成方法，其特征在于，所述根据获取到的待测问题、所述待测问题的问题类型、所述待测问题所对应的证据文本、与所述待测问题关联的历史问题所对应的历史答案生成输入文本包括：提取所述待测问题中的疑问词汇；根据所述疑问词汇与预设词汇的匹配，识别出所述问题类型；识别所述待测问题的生成时刻及问题场次；根据所述生成时刻及所述问题场次获取请求问题，并获取所述请求问题的请求时刻；根据所述请求时刻从所述请求问题中筛选出所述历史问题；获取与所述历史问题所对应的回答文本作为所述历史答案；拼接所述问题类型、所述待测问题、预设标识、所述证据文本及所述历史答案作为所述输入文本。3.如权利要求1所述的答案生成方法，其特征在于，所述基于所述多个编码器对所述输入文本进行编码处理，得到文本编码包括：对所述输入文本中每个文本词汇进行表征，得到文本向量；对于任一编码器，基于每组权值矩阵生成所述文本向量的关注向量；拼接多个所述关注向量，得到拼接向量；计算配置矩阵与所述拼接向量的乘积，得到注意力信息；根据预设矩阵及预设偏置值，对所述注意力信息进行全连接运算，得到初始向量，所述初始向量的生成公式为：y＝max(a,xW1+1)2+2，其中，y表示所述初始向量，a表示预设常数，x表示所述注意力信息，W1及W2表示所述预设矩阵，b1及b2表示所述预设偏置值；将所述初始向量作为下一个编码器的文本向量进行编码处理，直至所述多个编码器均参与编码，得到所述文本编码。4.如权利要求1所述的答案生成方法，其特征在于，所述基于所述感知网络层对所述文本编码进行感知处理，得到感知向量包括：对于所述感知网络层的每个隐藏层，基于该隐藏层中神经元的网络参数对所述文本编码进行全连接运算，得到该隐藏层的输出向量；
将所述输出向量作为下一个隐藏层的文本编码进行感知处理，直至所述感知网络层的每个隐藏层均参与处理，得...

【专利技术属性】
技术研发人员：张镛，王健宗，程宁，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：