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】
本申请涉及人工智能,尤其涉及一种问答方法、装置、电子设备及存储介质。
技术介绍
1、目前,网络信息的快速增长使人们无法快速获得想要的信息,智能问答系统由此诞生。
2、针对用户查询的问题,智能问答系统可将答案以排序的方式呈现,直接地提高用户体验。问答排序在信息检索领域有着广泛的应用,近年来受到的关注也越来越多。并且,随着神经网络的发展,使用神经网络辅助问答排序的方法也层出不穷,这些方法也取得了很好的效果,但仍有改善空间。
技术实现思路
1、本申请实施例提供一种问答方法、装置、电子设备及存储介质,用以提高问答效果。
2、第一方面,本申请实施例提供一种问答方法,包括:
3、对所获取问题的上下文进行语义分析,得到所述问题的语义向量;
4、将所述问题的背景知识融入所述语义向量,得到所述问题的知识向量;
5、基于所述问题的语义向量和每个候选答案的语义向量进行注意力分析,得到所述问题和所述候选答案的语义注意力向量;
6、基于所述问题的知识向量和所述候选答案的知识向量进行注意力分析,得到所述问题和所述候选答案的知识注意力向量;
7、基于所述问题和所述候选答案的语义注意力向量、以及所述问题和所述候选答案的知识注意力向量,确定所述候选答案是否是所述问题的最终答案。
8、在一些实施例中,将所述问题的背景知识融入所述语义向量,得到所述问题的知识向量,包括:
9、从知识图谱中获取与所述问题中每个实体匹
10、基于各实体的候选实体的嵌入向量和所述语义向量,生成所述问题的嵌入矩阵;
11、通过卷积层提取所述问题的嵌入矩阵的n-gram特征,得到所述问题的知识向量。
12、在一些实施例中,基于各实体的候选实体的嵌入向量和所述语义向量,生成所述问题的嵌入矩阵,包括:
13、对每个实体的候选实体的嵌入向量进行组合,得到所述实体的嵌入矩阵;
14、对所述实体的嵌入矩阵和所述语义向量进行注意力融合计算,得到所述实体的融合向量;
15、基于所述实体的融合向量,确定所述实体的知识向量;
16、对各实体的知识向量进行组合,得到所述问题的嵌入矩阵。
17、在一些实施例中,基于所述实体的融合向量,确定所述实体的知识向量,包括:
18、将所述实体的融合向量输入权重确定网络,得到所述实体的注意力权重;
19、将所述实体的嵌入矩阵与所述实体的注意力权重的乘积,确定为所述实体的知识向量。
20、在一些实施例中,基于所述问题的语义向量和每个候选答案的语义向量进行注意力分析,得到所述问题和所述候选答案的语义注意力向量,包括:
21、对所述问题的语义向量进行转置处理后和所述候选答案的语义向量进行融合,得到语义融合矩阵;
22、对所述语义融合矩阵按列进行最大池化处理,得到所述问题的语义注意力向量;
23、对所述语义融合矩阵按行进行最大池化处理,得到所述候选答案的语义注意力向量。
24、在一些实施例中,基于所述问题的知识向量和所述候选答案的知识向量进行注意力分析,得到所述问题和所述候选答案的知识注意力向量,包括:
25、对所述问题的知识向量进行转置处理后和所述候选答案的知识向量进行融合,得到知识融合矩阵;
26、对所述知识融合矩阵按列进行最大池化处理,得到所述问题的知识注意力向量;
27、对所述知识融合矩阵按行进行最大池化处理,得到所述候选答案的知识注意力向量。
28、在一些实施例中,基于所述问题和所述候选答案的语义注意力向量、以及所述问题和所述候选答案的知识注意力向量,确定所述候选答案是否是所述问题的最终答案,包括:
29、对所述问题的语义注意力向量和知识注意力向量进行融合,得到所述问题的融合注意力向量,对所述候选答案的语义注意力向量和知识注意力向量进行融合,得到所述候选答案的融合注意力向量;
30、基于所述问题的融合注意力向量,对所述问题的语义向量和知识向量进行注意力分析,得到所述问题的语义知识向量;
31、基于所述候选答案的融合注意力向量,对所述候选答案的语义向量和知识向量进行注意力分析,得到所述候选答案的语义知识向量;
32、对所述问题的语义知识向量和所述候选答案的语义知识向量进行匹配分析,以确定所述候选答案是否是所述问题的最终答案。
33、在一些实施例中,对所述问题的语义知识向量和所述候选答案的语义知识向量进行匹配分析,以确定所述候选答案是否是所述问题的最终答案,包括:
34、计算所述问题的语义知识向量和所述候选答案的语义知识向量的相似度;
35、对所述问题的语义知识向量、所述候选答案的语义知识向量和所述相似度进行拼接,得到拼接向量;
36、基于所述拼接向量,分析所述候选答案是否是所述问题的最终答案。
37、在一些实施例中,还包括:
38、对所述问题和所述候选答案的词频特征进行分析,得到词频向量;
39、对所述问题的语义知识向量、所述候选答案的语义知识向量和所述相似度进行拼接,得到拼接向量,包括:
40、对所述问题的语义知识向量、所述候选答案的语义知识向量、所述相似度和所述词频向量进行拼接,得到所述拼接向量。
41、第二方面,本申请实施例提供一种问答装置,包括:
42、语义分析模块,用于对所获取问题的上下文进行语义分析,得到所述问题的语义向量;
43、背景分析模块,用于将所述问题的背景知识融入所述语义向量,得到所述问题的知识向量;
44、注意力分析模,用于基于所述问题的语义向量和每个候选答案的语义向量进行注意力分析,得到所述问题和所述候选答案的语义注意力向量;基于所述问题的知识向量和所述候选答案的知识向量进行注意力分析,得到所述问题和所述候选答案的知识注意力向量;
45、确定模块,用于基于所述问题和所述候选答案的语义注意力向量、以及所述问题和所述候选答案的知识注意力向量,确定所述候选答案是否是所述问题的最终答案。
46、在一些实施例中,背景分析模块具体用于:
47、从知识图谱中获取与所述问题中每个实体匹配的候选实体,所述知识图谱是基于所述问题的背景知识预先建立的;
48、基于各实体的候选实体的嵌入向量和所述语义向量,生成所述问题的嵌入矩阵;
49、通过卷积层提取所述问题的嵌入矩阵的n-gram特征,得到所述问题的知识向量。
50、在一些实施例中,背景分析模块具体用于:
51、对每个实体的候选实体的嵌入向量进行组合,得到所述实体的嵌入矩阵;
52、对所述实体的嵌入矩阵和所述语义向量进行注意力融合本文档来自技高网...
【技术保护点】
1.一种问答方法,其特征在于,包括:
2.如权利要求1所述的方法,其特征在于,将所述问题的背景知识融入所述语义向量,得到所述问题的知识向量,包括:
3.如权利要求2所述的方法,其特征在于,基于各实体的候选实体的嵌入向量和所述语义向量,生成所述问题的嵌入矩阵,包括:
4.如权利要求3所述的方法,其特征在于,基于所述实体的融合向量,确定所述实体的知识向量,包括:
5.如权利要求1所述的方法,其特征在于,基于所述问题的语义向量和每个候选答案的语义向量进行注意力分析,得到所述问题和所述候选答案的语义注意力向量,包括:
6.如权利要求1所述的方法,其特征在于,基于所述问题的知识向量和所述候选答案的知识向量进行注意力分析,得到所述问题和所述候选答案的知识注意力向量,包括:
7.如权利要求1-6任一所述的方法,其特征在于,基于所述问题和所述候选答案的语义注意力向量、以及所述问题和所述候选答案的知识注意力向量,确定所述候选答案是否是所述问题的最终答案,包括:
8.如权利要求7所述的方法,其特征在于,对所述问题的语
9.如权利要求8所述的方法,其特征在于,还包括:
10.一种电子设备,其特征在于,包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中:
...【技术特征摘要】
1.一种问答方法,其特征在于,包括:
2.如权利要求1所述的方法,其特征在于,将所述问题的背景知识融入所述语义向量,得到所述问题的知识向量,包括:
3.如权利要求2所述的方法,其特征在于,基于各实体的候选实体的嵌入向量和所述语义向量,生成所述问题的嵌入矩阵,包括:
4.如权利要求3所述的方法,其特征在于,基于所述实体的融合向量,确定所述实体的知识向量,包括:
5.如权利要求1所述的方法,其特征在于,基于所述问题的语义向量和每个候选答案的语义向量进行注意力分析,得到所述问题和所述候选答案的语义注意力向量,包括:
6.如权利要求1所述的方法,其特征在于,基于所述问题的知识向量...
【专利技术属性】
技术研发人员:葛赛赛,
申请(专利权)人:海信集团控股股份有限公司,
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。