System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及计算机,尤其是涉及一种基于引导器的生成式神经网络问答系统、方法及存储介质。
技术介绍
1、生成式网络已经在多个领域中取得了显著的进展,例如生成式对抗网络(gans)、变分自动编码器(vaes)、transformer架构的大模型等。如图1所示,现有的生成式神经网络问答系统包括一个生成器,用户输入提示词,例如“请计算x的平方加2x+1等于0时,x为多少”,生成式神经网络问答系统作出答复,输出生成结果“x等于-1”。
2、由于不同用户的习惯等均不一样,大部分的用户直接向生成器直接提出问题,并不会引导生成器输出生成结果,现有的生成式神经网络问答系统面对用户直接向生成器直接提出问题时存在一些问题,如生成的内容质量不稳定、缺乏创造性等,虽然已经可以通过提示语的方式指导内容的生成,但是由于不同的模型需要提示语的写法规则不尽相同,产生的内容质量也参差不齐,甚至出现生成结果错误的情况。
技术实现思路
1、本专利技术提供了一种基于引导器的生成式神经网络问答系统、方法及存储介质,以解决现有技术中生成式神经网络问答系统,产生的内容质量也参差不齐,甚至出现生成结果错误的技术问题。
2、本专利技术的一个方面在于提供一种基于引导器的生成式神经网络问答系统,所述问答系统包括:
3、引导器,用于获取提示词,并根据提示词生成引导词;
4、生成器,用于获取提示词和所述引导器生成的引导词,并根据提示词和引导词输出生成结果;
5、其中,所述引导器通
6、在一个优选的实施例中,所述问答系统还包括奖励器;
7、所述奖励器,对所述生成器输出的生成结果进行评估,并将评估结果反馈至所述引导器,调整所述引导器生成的引导词。
8、在一个优选的实施例中,所述生成器选用生成式对抗网络模型、变分自动编码器模型或者transformer神经网络模型的一种。
9、在一个优选的实施例中,所述引导器选用如下任意一种生成式神经网络模型进行训练:
10、生成式对抗网络模型、变分自动编码器模型或者transformer神经网络模型。
11、本专利技术的另一个方面在于提供一种基于引导器的生成式神经网络问答方法,所述问答方法包括如下方法步骤:
12、s1、训练引导器:将提示词集输入所述引导器,对所述引导器进行训练,使所述引导器生成与提示词对应的引导词;
13、s2、将提示词输入所述引导器,生成引导词;
14、s3、将提示词和提示词对应的引导词同时输入生成器,输出生成结果。
15、在一个优选的实施例中,所述问答方法还包括如下方法步骤:
16、s4、对生成结果进行评估,并反馈至所述引导器,调整所述引导器生成的引导词。
17、在一个优选的实施例中,所述生成器选用生成式对抗网络模型、变分自动编码器模型或者transformer神经网络模型的一种。
18、在一个优选的实施例中,所述引导器选用如下任意一种生成式神经网络模型进行训练:
19、生成式对抗网络模型、变分自动编码器模型或者transformer神经网络模型。
20、本专利技术的又一个方面在于提供一种存储介质,所述存储介质用于存储计算机执行指令,所述计算机执行指令用于执行本专利技术提供的一种基于引导器的生成式神经网络问答方法。
21、与现有技术相比,本专利技术具有以下有益效果:
22、本专利技术提供的一种基于引导器的生成式神经网络问答系统、方法及存储介质,使用引导器来指导生成器的输出,以高效产生更可控、可信的内容,同时可以提高生成结果的质量和多样性。
23、本专利技术提供的一种基于引导器的生成式神经网络问答系统、方法及存储介质,可以在多个领域中得到广泛应用,包括自然语言处理、计算机视觉、音频合成等。
24、本专利技术提供的一种基于引导器的生成式神经网络问答系统、方法及存储介质,引导器的使用可以提高生成的内容质量,使其更符合期望,生成结果质量高。
25、本专利技术提供的一种基于引导器的生成式神经网络问答系统、方法及存储介质,通过引导器指导生成的内容,提高了生成过程的可控性。
26、本专利技术提供的一种基于引导器的生成式神经网络问答系统、方法及存储介质,引导器可以促使生成器产生更具创造性的内容,有助于创新性任务的应用。
27、本专利技术提供的一种基于引导器的生成式神经网络问答系统、方法及存储介质,可以应用于多种类型(语音、文字、图像、视频)的内容生成任务,具有广泛的应用前景。
本文档来自技高网...【技术保护点】
1.一种基于引导器的生成式神经网络问答系统,其特征在于,所述问答系统包括:
2.根据权利要求1所述的问答系统,其特征在于,所述问答系统还包括奖励器;
3.根据权利要求1所述的问答系统,其特征在于,所述生成器选用生成式对抗网络模型、变分自动编码器模型或者Transformer神经网络模型的一种。
4.根据权利要求1所述的问答系统,其特征在于,所述引导器选用如下任意一种生成式神经网络模型进行训练:
5.一种基于引导器的生成式神经网络问答方法,其特征在于,所述问答方法包括如下方法步骤:
6.根据权利要求5所述的问答方法,其特征在于,所述问答方法还包括如下方法步骤:
7.根据权利要求5所述的问答方法,其特征在于,所述生成器选用生成式对抗网络模型、变分自动编码器模型或者Transformer神经网络模型的一种。
8.根据权利要求5所述的问答方法,其特征在于,所述引导器选用如下任意一种生成式神经网络模型进行训练:
9.一种存储介质,其特征在于,所述存储介质用于存储计算机执行指令,所述计算机执行指令
...【技术特征摘要】
1.一种基于引导器的生成式神经网络问答系统,其特征在于,所述问答系统包括:
2.根据权利要求1所述的问答系统,其特征在于,所述问答系统还包括奖励器;
3.根据权利要求1所述的问答系统,其特征在于,所述生成器选用生成式对抗网络模型、变分自动编码器模型或者transformer神经网络模型的一种。
4.根据权利要求1所述的问答系统,其特征在于,所述引导器选用如下任意一种生成式神经网络模型进行训练:
5.一种基于引导器的生成式神经网络问答方法,其特征在于,所述问答方法包括如下方...
【专利技术属性】
技术研发人员:刘凡平,
申请(专利权)人:上海岩芯数智人工智能科技有限公司,
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。