智能问答方法、装置、设备及计算机可读存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113761154A(43)申请公布日2021.12.07(21)申请号202110570665.6(22)申请日2021.05.25(71)申请人腾讯科技（深圳）有限公司地址518000广东省深圳市南山区高新区科技中一路腾讯大厦35层(72)发明人黄殷雅(74)专利代理机构北京派特恩知识产权代理有限公司11270代理人赵翠萍张颖玲(51)Int.Cl.G06F16/332(2019.01)G06F40/35(2020.01)G06F40/289(2020.01)G06N3/04(2006.01)权利要求书3页说明书17页附图4页(54)发明名称智能问答方法、装置、设备及计算机可读存储介质(57)摘要本申请提供了一种智能问答方法、装置、设备及计算机可读存储介质；涉及人工智能技术领域，方法包括：对预设背景知识、目标问题与预设备选答案集合中的当前备选答案进行文本语篇划分与词汇级特征处理，得到语篇集合、每个语篇之间的连接关系以及词汇特征序列；将语篇作为节点，根据连接关系连接语篇集合对应的每个节点，生成语篇逻辑关系图；根据语篇逻辑关系图，在每个节点与相邻节点之间进行节点特征传递，得到每个节点对应的推理特征；每个节点的节点特征根据每个节点对应的语篇在词汇特征序列中对应的特征向量计算得到；结合推理特征与词汇特征序列，确定目标问题对应的目标预测答案。通过本申请，能够提高智能问答的准确性。CN113761154ACN113761154A权利要求书1/3页1.一种智能问答方法，其特征在于，包括：对预设背景知识、目标问题与预设备选答案集合中的当前备选答案进行文本语篇划分，得到语篇集合以及每个语篇之间的连接关系；对所述预设背景知识、所述目标问题与所述当前备选答案进行词汇级特征处理，得到词汇特征序列；所述词汇特征序列包含所述预设背景知识、所述目标问题与所述当前备选答案中每个词汇对应的词汇特征；将所述每个语篇作为节点，根据所述连接关系连接每个节点，生成语篇逻辑关系图；根据所述每个节点在所述词汇特征序列中对应的词汇特征得到每个节点的节点特征；并根据所述语篇逻辑关系图，在所述每个节点与相邻节点之间进行节点特征传递，得到所述每个节点对应的推理特征；结合所述推理特征与所述词汇特征序列，确定所述目标问题对应的目标预测答案。2.根据权利要求1所述的方法，其特征在于，所述根据所述每个节点在所述词汇特征序列中对应的词汇特征得到每个节点的节点特征；并根据所述语篇逻辑关系图，在所述每个节点与相邻节点之间进行节点特征传递，得到所述每个节点对应的推理特征，包括：根据所述每个节点对应的至少一个词汇，从所述词汇特征序列中确定出所述至少一个词汇对应的词汇特征子序列；所述至少一个词汇为所述每个节点对应的语篇中包含的词汇；将所述词汇特征子序列中包含的词汇特征相加，得到所述每个节点对应的节点特征；根据所述语篇逻辑关系图与预设传递距离，确定所述每个节点对应的相邻节点集合；结合预设连接权重矩阵，将所述每个节点对应的节点特征与所述相邻节点集合中每个相邻节点对应的相邻节点特征进行卷积与激活处理，以实现所述每个节点与相邻节点之间的节点特征传递，得到所述推理特征；所述预设连接权重矩阵表征所述连接关系中不同类型对应的权重；所述连接类型表征语篇之间分隔符的类型。3.根据权利要求2所述的方法，其特征在于，所述结合预设连接权重矩阵，将所述每个节点对应的节点特征与所述相邻节点集合中每个相邻节点对应的相邻节点特征进行卷积与激活处理，以实现所述每个节点与相邻节点之间的节点特征传递，得到所述推理特征，包括：利用图卷积网络中的卷积层，根据所述预设连接权重矩阵与所述卷积层中的节点权重矩阵，对所述节点特征与每个相邻节点特征进行线性加权求和，得到中间推理特征；在所述图卷积网络的全连接层中，根据所述全连接层中的激活矩阵，对所述中间推理特征与所述节点特征进行激活处理，得到所述推理特征。4.根据权利要求3所述的方法，其特征在于，所述利用图卷积网络中的卷积层，根据所述预设连接权重矩阵与所述卷积层中的节点权重矩阵，对所述节点特征与每个相邻节点特征进行线性加权求和，得到中间推理特征之前，所述方法还包括：获取训练样本集；所述训练样本集中的每个训练样本包含正确答案标注样本；使用所述训练样本集，对初始图卷积网络进行迭代训练，得到每次训练的训练预测答案；所述初始图卷积网络包含初始节点权重矩阵与初始激活矩阵；根据训练预测答案与正确答案标注样本，得到训练误差，根据所述训练误差对所述初始节点权重矩阵与所述初始激活矩阵进行迭代更新，直至训练结束，得到所述节点权重矩2CN113761154A权利要求书2/3页阵与所述激活矩阵对应的图卷积网络。5.根据权利要求1‑4任一项所述的