[发明专利]用于输出信息的方法和装置

说明书

本申请实施例公开了用于输出信息的方法和装置。该方法的一具体实施方式包括：获取询问文本和目标文本；将询问文本和目标文本输入至预先训练的答案抽取模型，得到与该询问文本对应的回答文本和无答案概率，其中，答案抽取模型用于表征询问文本、目标文本与回答文本、无答案概率之间的对应关系，无答案概率用于表征无法从目标文本中抽取出与该询问文本匹配的答案的概率；输出回答文本和无答案概率。该实施方式实现了输出与询问文本对应的回答文本以及输出用于表征该目标文本中不存在与该询问文本匹配的答案的概率。

技术领域

本申请实施例涉及计算机技术领域，具体涉及用于输出信息的方法和装置。

背景技术

随着人工智能技术的飞速发展，通用答案抽取技术在机器阅读理解领域也显得越来越重要。对于特定问题，在给定文本中挖掘出对应问题的答案的技术是问答系统的重要组成部分之一。

相关的方式通常是通过对输入问题与文本的模糊匹配来尽量保证输入问题在输入文本中是有答案的。此外，可以通过网络或权威资料对输出答案与原问题的匹配进行额外的置信度校验，从而判断答案与原问题是否对应。

发明内容

本申请实施例提出了用于输出信息的方法和装置。

第一方面，本申请实施例提供了一种用于输出信息的方法，该方法包括：获取询问文本和目标文本；将询问文本和目标文本输入至预先训练的答案抽取模型，得到与询问文本对应的回答文本和无答案概率，其中，答案抽取模型用于表征询问文本、目标文本与回答文本、无答案概率之间的对应关系，无答案概率用于表征无法从目标文本中抽取出与询问文本匹配的答案的概率；输出回答文本和无答案概率。

在一些实施例中，上述答案抽取模型包括第一编码层、基于注意力机制(attention)的第一交互层、循环神经网络、神经网络输出层、第一隐层和第一隐层输出层；以及上述将询问文本和目标文本输入至预先训练的答案抽取模型，得到与询问文本对应的回答文本和无答案概率，包括：将询问文本和目标文本输入至第一编码层，得到第一询问文本向量和第一目标文本向量；将第一询问文本向量和第一目标文本向量输入至基于注意力机制的第一交互层，得到第一输出矩阵；将第一输出矩阵输入至循环神经网络，得到输出向量；将输出向量输入至神经网络输出层，得到答案在目标文本中的位置；将第一输出矩阵和输出向量输入至第一隐层，得到第一概率向量；将第一概率向量输入至第一隐层输出层，得到无答案概率；根据答案在目标文本中的位置，生成回答文本。

在一些实施例中，该方法还包括：将询问文本、目标文本和回答文本输入至预先训练的答案可信度模型，得到答案可信概率，其中，答案可信度模型用于表征询问文本、目标文本、回答文本与答案可信概率之间的对应关系，答案可信概率用于表征回答文本、询问文本和目标文本之间的匹配程度；输出答案可信概率。

在一些实施例中，上述答案可信度模型包括第二编码层、基于注意力机制的第二交互层、第二隐层和第二隐层输出层；以及上述将询问文本、目标文本和回答文本输入至预先训练的答案可信度模型，得到答案可信概率，包括：将询问文本、目标文本和回答文本输入至第二编码层，得到第二询问文本向量、第二目标文本向量和回答文本向量；将第二询问文本向量、第二目标文本向量和回答文本向量输入至基于注意力机制的第二交互层，得到第二输出矩阵；将第二输出矩阵输入至第二隐层，得到第二概率向量；将第二概率向量输入至第二隐层输出层，得到答案可信概率。

在一些实施例中，该方法还包括：基于无答案概率和答案可信概率，确定答案正确概率，其中，答案正确概率用于表征回答文本作为询问文本的答案的准确程度；输出答案正确概率。