[发明专利]一种基于端到端记忆网络的问答方法

摘要

本发明公开了一种基于端到端记忆网络的问答方法，本方法为：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xi转换为词向量；3)将问题转换为词向量，计算每一句子xi对应的词向量mi与问题的词向量的相关度，得到对应句子xi的权重值pi；4)提取问题中的关键词；检索包含关键词的词向量，对于搜索到的每一词向量mi，计算mi中每个单词与关键词的相关度，作为第j个单词的权重；mi中每个单词加权后的向量记为向量ci；5)计算MemN2N模型中每层网络的输出；6)根据MemN2N模型的最终输出作为问题的答案。本发明大大提升了实问答的准确性。

主权项

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xi转换为词向量并存储到Memory模块中；3)将所述问题转换为词向量，计算Memory中每一句子xi对应的词向量mi与所述问题的词向量的相关度，得到对应句子xi的权重值pi；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mi，计算该词向量mi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pij_key；该词向量mi中每个单词加权后的向量记为向量ci；5)计算MemN2N模型中每层网络的输出o＝∑i(pi+pij_key*Axij)*ci；其中，Axij表示句子xi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uk+1＝ok+uk+keyn作为第k+1层的输入；其中，keyn表示第n个关键词key的词向量，ok为第k层网络的输出，uk为第k层网络的输入，uk+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。