问答方法技术

本发明专利技术提供一种问答方法

【技术实现步骤摘要】
问答方法、问答模型训练方法、一体机和存储介质


[0001]本专利技术涉及人工智能
，尤其涉及一种问答方法
、
问答模型训练方法
、
一体机和存储介质
。

技术介绍

[0002]计算机自动生成代码是近年来软件工程的研究热点之一
。
[0003]现有的代码生成方法可以将大量通用的自然语言类型的任务数据与程序设计语言类型的代码任务数据放在一起进行模型训练，以使模型能够具备对于通用任务和代码任务的处理能力
。
[0004]然而，上述方法训练所的模型，无法同时取得最佳的通用效果和代码效果，受限于处理精度，难以得到推广应用
。

技术实现思路

[0005]本专利技术提供一种问答方法
、
问答模型训练方法
、
一体机和存储介质，用以解决现有技术中模型难以兼顾通用效果和代码效果的缺陷
。
[0006]本专利技术提供一种问答方法，包括：
[0007]获取问询语句；
[0008]基于自然语言模型和非自然语言模型，分别对所述问询语句进行解答，得到所述自然语言模型的自然语言输出和所述非自然语言模型的非自然语言输出；
[0009]基于所述自然语言输出和所述非自然语言输出，确定融合权重，并基于所述融合权重，对所述自然语言输出和所述非自然语言输出进行加权，得到所述问询语句对应的答案信息
。
[0010]根据本专利技术提供的一种问答方法，所述基于所述自然语言输出和所述非自然语言输出，确定融合权重，包括：
[0011]基于融合模块，确定与所述自然语言输出和所述非自然语言输出对应的所述融合权重；
[0012]所述融合模块是基于样本问询语句和样本答案标签，结合所述自然语言模型和所述非自然语言模型训练得到的
。
[0013]根据本专利技术提供的一种问答方法，所述基于所述自然语言输出和所述非自然语言输出，确定融合权重，并基于所述融合权重，对所述自然语言输出和所述非自然语言输出进行加权，得到所述问询语句对应的答案信息，包括：
[0014]基于各个输出单位下的所述自然语言输出和所述非自然语言输出，确定各个输出单位的融合权重，并基于所述各个输出单位的融合权重，对各个输出单位下的所述自然语言输出和所述非自然语言输出进行加权融合，得到所述问询语句对应的答案信息
。
[0015]根据本专利技术提供的一种问答方法，所述自然语言模型基于第一样本数据训练得到，所述非自然语言模型基于第二样本数据训练得到；
[0016]所述第一样本数据中自然语言样本与非自然语言样本之间的比例，大于所述第二样本数据中自然语言样本与非自然语言样本之间的比例
。
[0017]根据本专利技术提供的一种问答方法，所述自然语言模型是在预训练语言模型的基础上，应用所述第一样本数据训练得到的，所述非自然语言模型是在所述预训练语言模型的基础上，应用所述第二样本数据训练得到
。
[0018]根据本专利技术提供的一种问答方法，所述非自然语言模型包括代码模型和
/
或数学模型
。
[0019]本专利技术还提供一种问答一体机，包括存储器
、
处理器，以及存储在所述存储器上的自然语言模型
、
非自然语言模型和存储在所述存储器上并可在所述处理器上运行的计算机程序；
[0020]所述处理器执行所述计算机程序时，调用所述自然语言模型和所述非自然语言模型以实现如上所述的问答方法
。
[0021]本专利技术还提供一种问答模型训练方法，包括：
[0022]基于自然语言模型和非自然语言模型，分别对样本问询语句进行解答，得到所述自然语言模型的样本自然语言输出和所述非自然语言模型的样本非自然语言输出；
[0023]获取初始融合模块，并基于所述初始融合模块，确定与所述样本自然语言输出和所述样本非自然语言输出对应的样本融合权重；
[0024]基于所述样本融合权重，对所述样本自然语言输出和所述样本非自然语言输出进行加权，得到样本答案信息；
[0025]基于所述样本答案信息，以及所述样本问询语句的样本答案标签，对所述初始融合模块进行参数迭代，得到融合模块；
[0026]基于所述自然语言模型
、
所述非自然语言模型和所述融合模块确定问答模型
。
[0027]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述问答方法
。
[0028]本专利技术还提供一种计算机程序产品，包括计算机程序
、
自然语言模型和非自然语言模型中的至少一种，所述计算机程序被处理器执行以调用自然语言模型和非自然语言模型实现如上所述的问答方法
[0029]本专利技术提供的问答方法
、
问答模型训练方法
、
一体机和存储介质，基于自然语言输出和非自然语言输出确定融合权重，融合权重的应用使得在答案信息的确定中能够针对性地偏向与问询语句的需求更加贴合的输出，从而得到与问询语句的需求更加贴合
、
可靠性更强
、
准确度更高的答案信息，使得无论将问答方法应用于自然语言相关任务还是非自然语言相关任务，效果均能达到预期
。
附图说明
[0030]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，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
。
[0031]图1是本专利技术提供的问答方法的流程示意图之一；
[0032]图2是本专利技术提供的问答方法的流程示意图之二；
[0033]图3是本专利技术提供的问答模型训练方法的流程示意图；
[0034]图4是本专利技术提供的问答装置的结构示意图；
[0035]图5是本专利技术提供的问答一体机的结构示意图
。
具体实施方式
[0036]为使本专利技术的目的
、
技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术中的技术方案进行清楚
、
完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例
。
基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围
。
[0037]现有的代码生成方法多数可以划分为两类，一类方法是利用程序设计语言自身所具有的统计特性，建立相应程序设计语言的机器学习模型进行代码生成
。
另一类方法是将大量通用的自然语言类型的任务数据与程序设计语言类型的代码任务数据放在一起进行模型训练，以使模型能够具备对于通用任务和代码任务的处理能力
。...

【技术保护点】

【技术特征摘要】
1.
一种问答方法，其特征在于，包括：获取问询语句；基于自然语言模型和非自然语言模型，分别对所述问询语句进行解答，得到所述自然语言模型的自然语言输出和所述非自然语言模型的非自然语言输出；基于所述自然语言输出和所述非自然语言输出，确定融合权重，并基于所述融合权重，对所述自然语言输出和所述非自然语言输出进行加权，得到所述问询语句对应的答案信息
。2.
根据权利要求1所述的问答方法，其特征在于，所述基于所述自然语言输出和所述非自然语言输出，确定融合权重，包括：基于融合模块，确定与所述自然语言输出和所述非自然语言输出对应的所述融合权重；所述融合模块是基于样本问询语句和样本答案标签，结合所述自然语言模型和所述非自然语言模型训练得到的
。3.
根据权利要求1或2所述的问答方法，其特征在于，所述基于所述自然语言输出和所述非自然语言输出，确定融合权重，并基于所述融合权重，对所述自然语言输出和所述非自然语言输出进行加权，得到所述问询语句对应的答案信息，包括：基于各个输出单位下的所述自然语言输出和所述非自然语言输出，确定各个输出单位的融合权重，并基于所述各个输出单位的融合权重，对各个输出单位下的所述自然语言输出和所述非自然语言输出进行加权融合，得到所述问询语句对应的答案信息
。4.
根据权利要求1或2所述的问答方法，其特征在于，所述自然语言模型基于第一样本数据训练得到，所述非自然语言模型基于第二样本数据训练得到；所述第一样本数据中自然语言样本与非自然语言样本之间的比例，大于所述第二样本数据中自然语言样本与非自然语言样本之间的比例
。5.
根据权利要求4所述的问答方法，其特征在于，所述自然语言模型是在预训练语言模型的基础上，应用所述第一样本数据训练得到的，所述非自然语言模型是在所述预训练语言模型的基础上，应用所...

【专利技术属性】
技术研发人员：李亚，王佳升，刘权，魏思，胡国平，
申请(专利权)人：科大讯飞股份有限公司，
类型：发明
国别省市：