【技术实现步骤摘要】
本专利技术涉及自然语言处理，涉及智能问答系统语义分析与序列生成方法，具体涉及基于文本语义分析和自然序列生成的智能问答方法。
技术介绍
1、现代网络技术的发展有力地促进了人工智能技术的深入研究与广泛应用，智能问答(question answering,qa)系统作为人工智能技术的重要分支，由于能更准确地捕捉用户意图，理解用户自然语言提问，返回简洁准确的答案，近年来已成为学术界与工业界关注的重点研究课题。另一方面，知识图谱(knowledge graph,kg)能够给智能qa系统提供高质量的数据来源，由此加速推动了基于知识图谱的智能qa技术的研究与应用。知识图谱问答(question answering over knowledge graph,kgqa)系统对问题进行语义理解，利用kg进行检索、推理而获取相应的实体答案。但由于kg存在关系缺失问题，降低了知识图谱问答模型的性能，同时也限制了知识图谱问答系统的普适应用。故，传统的qa系统语义理解、实体答案推理和自然答案生成方面都存在诸多不足的问题，不能帮助用户获取语法表达得当、语义关系表述准...
【技术保护点】
1.智能问答系统语义分析与序列生成方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的智能问答系统语义分析与序列生成方法，其特征在于，还包括步骤S3：构建基于多层次复制和问题感知损失的自然语言答案生成方法，同时复制问题和三元组中的相关语义单位，从词汇表中预测常用词汇，最终生成合乎语法的自然语言答案；针对生成的自然答案与输入问题存在不匹配的问题，采用基于问题感知损失的问答匹配机制，使得自然答案生成模型能够在目标答案中生成与问题的疑问词相匹配的目标答案子序列，最终获得与输入问题相对应的自然答案语句。
3.根据权利要求2所述的智能问答系统语义分...
【技术特征摘要】
1.智能问答系统语义分析与序列生成方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的智能问答系统语义分析与序列生成方法，其特征在于，还包括步骤s3：构建基于多层次复制和问题感知损失的自然语言答案生成方法，同时复制问题和三元组中的相关语义单位，从词汇表中预测常用词汇，最终生成合乎语法的自然语言答案；针对生成的自然答案与输入问题存在不匹配的问题，采用基于问题感知损失的问答匹配机制，使得自然答案生成模型能够在目标答案中生成与问题的疑问词相匹配的目标答案子序列，最终获得与输入问题相对应的自然答案语句。
3.根据权利要求2所述的智能问答系统语义分析与序列生成方法，其特征在于，所述步骤s3的具体步骤为：
4.根据权利要求1所述的智能问答系统语义分析与序列生成方法，其特征在于，所述步骤s1中问题语义理解模型的构建方法为：通过引入半监督与多尺度算法，构建基于半监督多尺度卷积神经网络ssmscnn的问题语义理解模型；采用二视图嵌入算法，从无标签数据中学习获得标签数据，并将学习到的标签数据输入监督卷积神经网络。
5.根据权利要求1所述的智能问答系统语义分析与序...
【专利技术属性】
技术研发人员：赵芬，常合友，祁峥东，张玉州，肖文洁，
申请(专利权)人：南京晓庄学院，
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。