[发明专利]一种情境化问答方法

说明书

本发明公开了一种情境化问答方法，(a)接收文档数据集；(b)计算每个单词和字符的向量，并在上下文单词之间生成语义上有意义的连接；(c)以问题的形式接收用户查询；(d)响应接收到用户查询，为文档数据赋值赋予数值向量，所述数值向量表示该查询中的每个单词、文本、数字和字符之间的关系；(e)根据用户提出的查询，计算概率最高的单词和句子；(f)输出语义等效查询或文档注意机制的表示；(g)根据先前的表示，确定最佳的情境化答案。使用具有训练文本嵌入特征的NLP模型来分析、测试和评估提问，使用叠加转换器类型模型层的创新方法来计算最高概率词来回答与查询数据相关的问题，该模型可以提供一个非常准确的答案。

技术领域

本说明书涉及自然语言处理(NLP)和AI问答(QA)领域，尤其是一种情境化问答方法。

背景技术

自然语言处理(NLP)被定义为人工智能的分支，专注于使用自然语言进行人与计算机之间的交互。问答(QA)代表了NLP的核心研究领域之一。

在QA任务中，给模型一组数据(上下文)，该数据集可能由单词和数字组成，然后问一个关于文本的问题。理想的模型会根据上下文输入来解释问题，并提供由人预先确定的正确答案。

例如，当被提问到“Yuan dynasty的中文名称是什么？”时，该模型参考预先存在的上下文数据，通过端到端神经网络模型的组成层，将上述提问解释为一串单词。

发明内容

为更好地应用模型来分析数据集并给出问题的准确回答，本发明创造性地对模型进行了改进。

本发明提供一种情境化问答方法，包括：(a)接收以字母数字或字母形式表示英语句子、单词或字符的文档数据集；(b)计算每个单词和字符的向量，并在上下文单词之间生成语义上有意义的连接；(c)以问题的形式接收用户查询；(d)响应接收到用户查询，为文档数据赋值赋予数值向量，所述数值向量表示该查询中的每个单词、文本、数字和字符之间的关系；(e)根据用户提出的查询，计算概率最高的单词和句子；(f)输出语义等效查询或文档注意机制的表示；(g)根据先前的表示，确定最佳的情境化答案。

实施本发明，有如下有益技术效果：

使用具有训练文本嵌入特征的NLP模型来分析、测试和评估提问，使用叠加转换器类型模型层的创新方法来计算最高概率词来回答与查询数据相关的问题。准确度的级别以百分比来表示，以衡量QA模型的整体性能。该模型可以提供一个非常准确的答案，性能十分优秀。

附图说明

图1是本发明情境化问答方法包含步骤和流程的示意图；

图2是本发明情境化问答方法中多头自注意力层示意图。

具体实施方式

下面结合附图和实施例对本发明实施例作进一步的详细说明，下述实施例在以本发明技术方案为前提下进行实施，可以理解的是，此处所描述的具体实施例仅仅用于解释本发明实施例，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明实施例相关的部分而非全部内容。

在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。

参考图1-2，本发明提供一种情境化问答方法，包括：

(a)接收以字母数字或字母形式表示英语句子、单词或字符的文档数据集；

(b)计算每个单词和字符的向量，并在上下文单词之间生成语义上有意义的连接；

(c)以问题的形式接收用户查询；