[发明专利]用于城市大脑的多模型融合问答方法及系统、介质

权利要求书

1.一种用于城市大脑的多模型融合问答方法，其特征在于，包括以下步骤：

依据知识图谱库获取用户输入问句的第一答案，确定第一置信度；

依据问答库对所述用户输入问句进行向量匹配，确定第二答案及第二置信度；

依据生成式预训练获取所述用户输入问句的预测答案；

依据问答库对预测答案进行匹配确定第三答案及第三置信度；

对所述第一置信度、所述第二置信度、所述第三置信度进行融合分类，获取目标答案。

2.根据权利要求1所述的用于城市大脑的多模型融合问答方法，其特征在于，所述依据问答库对所述用户输入问句进行向量匹配，确定第二答案及第二置信度，具体包括如下步骤：

将所述问答库中的问题通过向量表征离线存储于搜索引擎；

通过所述搜索引擎检索所述用户输入问句，匹配出所述第二答案，确定所述第二答案的第二置信度。

3.根据权利要求2所述的用于城市大脑的多模型融合问答方法，其特征在于，所述将所述问答库中的问题通过向量表征离线存储于搜索引擎，具体包括如下步骤：

通过Bert预训练获取微调后的问答库；

存储所述微调后的问答库中的问题至所述搜索引擎。

4.根据权利要求1所述的用于城市大脑的多模型融合问答方法，其特征在于，所述依据生成式预训练获取所述用户输入问句的预测答案，具体包括如下步骤：

对每条训练数据进行顺序拼接，并将拼接后的训练数据输入到网络中进行训练；

依据transformer编码器结构训练，获取所述预测答案。

5.根据权利要求1所述的用于城市大脑的多模型融合问答方法，其特征在于，根据排序模型对第一置信度、第二置信度、第三置信度进行融合分类，获取目标答案，具体为：

综合排序所述第一答案、所述第二答案、所述第三答案及所述第一置信度、所述第二置信度、所述第三置信度，将获得最高分数的那个答案确定为所述目标答案。

6.根据权利要求5所述的用于城市大脑的多模型融合问答方法，其特征在于，所述综合排序所述第一答案、所述第二答案、所述第三答案及所述第一置信度、所述第二置信度、所述第三置信度，将获得最高分数的那个答案确定为所述目标答案，具体为：

通过对所述第一答案、所述第一置信度、所述第二答案、所述第二置信度及所述第三答案、所述第三置信度是否正确进行学习，依据置信度维度、答案模型确定所述目标答案。

7.一种应用如权利要求1-6中任一项所述的用于城市大脑的多模型融合问答方法的问答系统，其特征在于，包括：

第一匹配模块，用于依据知识图谱库获取用户输入问句的第一答案，确定第一置信度；

第二匹配模块，用于依据问答库对所述用户输入问句进行向量匹配，确定第二答案及第二置信度；

生成式预训练模块，用于获取所述用户输入问句的预测答案；

第三匹配模块，用于对所述生成式预训练模块确定的所述预测答案、所述第二匹配模块确定的所述第二答案的相似度进行匹配，确定第三答案及第三置信度；

分类融合模块，用于对所述第一匹配模块确定的所述第一置信度、所述第二匹配模块确定的所述第二置信度及所述第三匹配模块确定的所述第三置信度进行融合分类，获取目标答案。

8.根据权利要求7所述的用于城市大脑的多模型融合问答系统，其特征在于，所述第二匹配模块，具体用于：

将所述问答库中的问题通过向量表征离线存储于搜索引擎；

通过所述搜索引擎检索所述用户输入问句，匹配出所述第二答案，确定所述第二答案的第二置信度。

9.根据权利要求7所述的用于城市大脑的多模型融合问答系统，其特征在于，所述生成式预训练模块，具体用于：

对每条训练数据进行顺序拼接，并将拼接后的训练数据输入到网络中进行训练；

依据GPT-2神经网络训练，获取所述预测答案。

10.一种计算机可读介质，用于记录可由处理器执行的指令，其特征在于，所述指令在被处理器执行时，使得处理器执行用于城市大脑的多模型融合问答方法，包括如下操作：

依据知识图谱库获取用户输入问句的第一答案，确定第一置信度；

依据问答库对所述用户输入问句进行向量匹配，确定第二答案及第二置信度；

依据生成式预训练获取所述用户输入问句的预测答案；

依据问答库对预测答案进行匹配确定第三答案及第三置信度；

根据排序模型对第一置信度、第二置信度、第三置信度进行融合分类，获取目标答案。