信息提取方法和装置、设备及存储介质.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CN112434149A(43)申请公布日2021.03.02(21)申请号202011419456.3(22)申请日2020.06.24(62)分案原申请数据202010583983.12020.06.24(71)申请人北京金山数字娱乐科技有限公司地址100085北京市海淀区西二旗中路33号院5号楼11层002号(72)发明人李长亮白金国唐剑波(74)专利代理机构北京智信禾专利代理有限公司11637代理人刘晓楠(51)Int.Cl.G06F16/332(2019.01)G06F16/33(2019.01)权利要求书2页说明书10页附图5页(54)发明名称信息提取方法和装置、设备及存储介质(57)摘要本申请提供一种信息提取方法和装置、计算设备及计算机可读存储介质，其中，信息提取方法包括：将问题向量、段落向量集合中的已选段落向量和至少一个未选段落向量输入提取网络，得到每个未选段落向量的匹配分数；将匹配分数最高的未选段落向量与已选段落向量输入融合网络，得到更新后的已选段落向量；在更新后的已选段落向量满足提取条件的情况下，根据问题向量和更新后的已选段落向量生成证据链信息。本申请的信息提取方法能够提高证据链信息提取的准确性和对于问题的适用性，并由此提高答案预测的准确性。CN112434149ACN112434149A权利要求书1/2页1.一种信息提取方法，其特征在于，包括：将问题向量、段落向量集合中的已选段落向量和至少一个未选段落向量输入提取网络，得到每个未选段落向量的匹配分数；根据所述匹配分数将对应的所述未选段落向量与所述已选段落向量输入融合网络，得到更新后的已选段落向量；在所述更新后的已选段落向量满足提取条件的情况下，根据所述问题向量和所述更新后的已选段落向量生成证据链信息；其中，所述提取网络的测试过程包括：将问题向量、段落向量集合中的已选段落向量和至少一个未选段落向量输入提取网络，得到每个未选段落向量的匹配分数；在匹配分数最高的所述未选段落向量不满足预设条件的情况下，将所述匹配分数最高的所述未选段落向量与所述段落向量集合中原有的每个段落向量分别结合，以更新所述段落向量集合。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：在所述更新后的已选段落向量不满足提取条件的情况下，将所述问题向量、更新后的已选段落向量和段落向量集合中的至少一个未选段落向量输入提取网络。3.根据权利要求1所述的方法，其特征在于，所述未选段落向量包括终止符；确定所述更新后的已选段落向量满足提取条件，包括：确定所述更新后的已选段落向量包括所述终止符。4.根据权利要求1所述的方法，其特征在于，所述根据所述匹配分数将对应的所述未选段落向量与所述已选段落向量输入融合网络，得到更新后的已选段落向量，包括：将匹配分数最高的所述未选段落向量与所述已选段落向量进行级联，得到级联向量；将所述级联向量输入所述融合网络，得到所述融合网络输出的所述更新后的已选段落向量。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：将所述证据链信息输入至答案预测模型，根据所述更新后的已选段落向量确定与所述问题向量对应的答案向量。6.根据权利要求1所述的方法，其特征在于，所述提取网络的训练过程包括：将问题向量样本、段落向量样本集合中的已选段落向量样本和至少一个未选段落向量样本输入所述提取网络，得到所述提取网络输出的每个所述未选段落向量样本的匹配分数；调整提取网络的参数，直至预先指定的未选段落向量样本的匹配分数最高。7.根据权利要求1所述的方法，其特征在于，所述方法还包括：在所述匹配分数最高的所述未选段落向量满足预设条件时，将所述匹配分数最高的所述未选段落向量作为最终的测试结果。8.根据权利要求1或7所述的方法，其特征在于，所述预设条件包括：所述匹配分数最高的所述未选段落向量的长度小于预设长度；或者，所述段落向量集合在初始状态下包括终止符，其中，所述预设条件包括：所述匹配分数最高的所述未选段落向量包括所述终止符。2CN112434149A权利要求书2/2页9.根据权利要求1所述的方法，其特征在于，所述问题向量和所述段落向量集合中的段落向量通过文本编码器得到。10.根据权利要求1所述的方法，其特征在于，所述问题向量和所述段落向量集合中的段落向量通过文本编码器得到，包括：将问题和段落的文本内容输入所述文本编码器，并通过所述文本编码器对问题和段落的文本内容进行向量化处理，得到所述问题向量和所述段落向量。11.根据权利要求5所述的方法，其特征在于，所述根据所述更新后的已选段落向量确定与所述问题向量对应的答案向量之后还包括：在答案预测模型输出预测答案的情况下，判断已选段落向量是否包括终止符，如果是，则流程结束；若否则继续执