CN112395398B 问答处理方法、装置、设备 (阿里巴巴集团控股有限公司)_第1页
CN112395398B 问答处理方法、装置、设备 (阿里巴巴集团控股有限公司)_第2页
CN112395398B 问答处理方法、装置、设备 (阿里巴巴集团控股有限公司)_第3页
CN112395398B 问答处理方法、装置、设备 (阿里巴巴集团控股有限公司)_第4页
CN112395398B 问答处理方法、装置、设备 (阿里巴巴集团控股有限公司)_第5页
已阅读5页,还剩30页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

本发明实施例提供一种问答处理方法、装获取与目标物品的所述属性对应的第一答复语得对这对问答语句中问题语句的属性预测结果2将所述第一问题语句输入到模型中,以通过所述模型获取与所述取所述多个第一词向量对应的第一语义表示向量以及所述多个第二词向量对应的第二语获取与所述目标物品的所述属性对应的第一答复语句,所所述第一输出层和所述第二输出层分别与所述语句表获取作为训练样本的第二问题语句和第二答复语句,所述及通过所述第二输入层对所述第二答复语句进行词向量编码以通过所述语句表示层提取所述多个第一词向量对应的第一语义表示向述语句表示层提取所述多个第二词向量对应的第二通过所述第一输出层对所述第一语义表示向量进行分类处理,以根据所述属性分类结果确定第一损失函数,以及根据所述根据所述第一损失函数和所述第二损失函数的叠加结果调整在第二时间获取到与所述目标物品对应的第三问题3通过所述模型获取与所述第三问题语句对应的所述属性,以及与所述根据所述属性值生成与所述属性对应的所述第一若在所述第二时间与所述第一时间之间还存在对应于所述属性的第四问题语句以及从所述多条历史答复语句中筛选出具有不同表达方式的至少一条历史答复根据所述至少一条历史答复语句生成对应的至少一个答复模板,所述10.根据权利要求1至9中任一项所述的方法,其特征在于,所述输出所述第一答复语响应于所述所有者反馈的确定采用所述第一答复语句的指示,输出所述第一答复语属性预测模块,用于将所述第一问题语句输入到模述属性分类结果和所述属性值标注结果用于对所述模型的参数进答复获取模块,用于获取与所述目标物品的所述属性对应的第一答复语4获取作为训练样本的问题语句和答复语句,所述问题语句通过所述第一输入层对所述问题语句进行词向量编码以得到多个第过所述第二输入层对所述答复语句进行词向量编码以得到通过所述语句表示层提取所述多个第一词向量对应的第一语义表示向述语句表示层提取所述多个第二词向量对应的第二通过所述第一输出层对所述第一语义表示向量进行分类处理,以获得应的属性分类结果,以及通过所述第二输出层对所述第二语义表示向量进行序列标注处根据所述属性分类结果确定第一损失函数,以及根据所述根据所述第一损失函数和所述第二损失函数的叠加结果调整56及通过所述第二输入层对所述答复语句进行词向量编码以过所述语句表示层提取所述多个第二词向量对应的第[0024]本发明实施例中所使用的模型是由已经产生的一对对的问答语句联合训练得到7和第二输入层分别与语句表示层连接,第一输出层和第二输出层分别与语句表示层连接。(Bi-directionalLongShort-TermMemory,简称Bi-LSTM)、长短期记忆8Short-TermMemory,简称LSTM)、循环神经网络模型(RecurrentNeuralNetwork,简称及通过第二输入层对第二答复语句进行词向量编码以[0056]这里举例的问题语句X和答复语句Y即可以作为上述步骤201中的第二问题语句和9和a2两条答复语句,那么,可以将a1和a2这两句答复语句拼接在一起,构成答复语句A=指机器人自动应答用户提出的问题,该机器人自动应答应该理解为是泛指非人工应答方知识库中具体存储有物品的一种或多种属性以及每种属性对应的答复语句。结合图4举例[0071]下面结合图5所示实施例来说明物品知识库的构建过程,该构建过程概括来说就语句输入到模型的第一输入层,通过第一输出层便可以预测出该第三问题语句对应的属属性值T得到的,即在答复模板中的相应空槽位中填充上属性值T即可以构成属性S对应的[0086]从该多条历史答复语句中筛选出具有不同表达方式的至少一条历史答复语句是[0088]Levenshtein距离是描述由一个字串转化成另一个字串最少的操作次数,其中的[0089]假设针对属性S=颜色,上述至少一条历史答复语句为如下具有两种不同表达方应的第四答复语句,则根据第四答复语句对应的属性值H,更新属性S对应的答复语句为:[0098]为更加直观地理解本实施例中提供的物品知识库构建过程,结合图6来示意性说[0104]702、将第一问题语句输入到模型中,以通过模型获取与第一问题语句对应的属库和已经训练得到的前述模型来对用户当前提出的第一问题入到模型的第一输入层中,以通过该模型的第一输出层输出该第一问题语句对应的属性:语句表示层的Bi-LSTM中进行语义提取,以得到第一问题语句对应的语义表示向量,通过函数和所述第二损失函数的叠加结果调整所述的第三问题语句和第三答复语句,所述第三问题语句和所述第三答复语句是一对问答语所述第四答复语句对应的属性值通过所述模复语句;从所述多条历史答复语句中筛选出具有不同表达方式的至少一条历史答复语句;[0132]图9所示问答处理装置可以执行前述图1至图7所示实施例中提供的方法,本实施述处理器执行前述图1至图7所示实施例中提供的借助加必需的通用硬件平台的方式来实现,当然也可以通过硬件和软件结合的方式来实以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论