[发明专利]一种基于端到端记忆网络的问答方法

权利要求书

1.一种基于端到端记忆网络的问答方法，其步骤包括：

1)对目标数据集进行划分，将该目标数据集中的已知事实、问题和答案分割开并存储；

2)将所述已知事实中的每个句子x_i转换为词向量并存储到Memory模块中；其中所述词向量m_i＝∑_j(l_j+t_j)·Ax_ij；l_j表示为句子x_i中第j个单词的词向量位置编码，t_j表示第j个单词的词性权重值；

3)将所述问题转换为词向量，计算Memory中每一句子x_i对应的词向量m_i与所述问题的词向量的相关度，得到对应句子x_i的权重值p_i；其中所述权重值p_i＝Softmax(u^T(m_i-1+m_i+m_i+1)；m_i-1是Memory模块中存储的句子x_i上一句话对应的词向量，m_i+1是Memory中存储的句子x_i的下一句话对应的词向量；u为所述问题对应的词向量；

4)提取所述问题中的关键词key；在Memory模块中检索包含所述关键词key的词向量，对于搜索到的每一词向量m_i，计算该词向量m_i中每个单词与所述关键词key的相关度，作为第j个单词的权重p_{ij_key}；该词向量m_i中每个单词加权后的向量记为向量c_i；

5)计算MemN2N模型中每层网络的输出o＝∑_i(p_i+P_{ij_key}·Ax_ij)·c_i；其中，Ax_ij表示句子x_i中第j个单词的词向量；如果MemN2N模型为单层网络，则o即为MemN2N模型的输出；如果MemN2N模型为多层网络，则计算u^k+1＝o^k+u^k+key_n作为第k+1层的输入；其中，key_n表示第n个关键词key的词向量，o^k为第k层网络的输出，u^k为第k层网络的输入，u^k+1为第k+1层网络的输入；

6)根据MemN2N模型的最终输出作为所述问题的答案。

2.如权利要求1所述的方法，其特征在于，所述权重其中，表示在词向量m_i中第j个单词，key^T为单词的词向量转置。

3.如权利要求1所述的方法，其特征在于，采用卷积神经网络中的卷积操作存储Memory模块中的词向量；设置卷积核为n，将每n个句子的词向量相加作为一条记录存入Memory中。