CN119128077B 一种语义理解与问答的匹配方法及其系统 （江苏红网技术股份有限公司）_第1页
CN119128077B 一种语义理解与问答的匹配方法及其系统 （江苏红网技术股份有限公司）_第2页
CN119128077B 一种语义理解与问答的匹配方法及其系统 （江苏红网技术股份有限公司）_第3页
CN119128077B 一种语义理解与问答的匹配方法及其系统 （江苏红网技术股份有限公司）_第4页
CN119128077B 一种语义理解与问答的匹配方法及其系统 （江苏红网技术股份有限公司）_第5页
已阅读5页，还剩23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

本发明公开了一种语义理解与问答的匹配下文信息和长距离依赖关系之间的映射关系选明利用深度学习模型来提取查询和文档的语义2语义问答信息采集，通过词性分析对所采集的语义问答数据进数据库数据处理，对统一格式语义问答信息进行字段的划分并划语义理解优化处理，使用自然语言处理经数据预处理后的数据集，并深度学习模型来提取查询和文档的语义特征，具体采用聚类算法对数据集进行聚类处理，将完整的数据集根据提取查询和文档数据分若干个类别，并通过K值聚类算法确定每一个其中，Dist(xi,yj)为聚类样本xi与训练样本之间的距离度量值，xik为第k个聚类样本jk为第k个训练样本yj；根据上下文信息和长距离依赖关系之间的映射关系进行权重检索增强生成，基于从数据库检索所关联的相关信息，将检3和文档后的数据集，训练得到基于Sentence_BERT的向量表示模型参数进行计算生成优化其中，TP为核心字段信息预测为正例且标签为正例的样本数，i为第i个回答信息的评估值；wp表示回答信息在语言大模型所检索到的信息中准确性参数的生成，将判断准确度的深度学习神经网络模型作为深度学习神经网络模型，4k⃞I);8.一种应用于如权利要求1所述的一种语义理解与问答的匹配方法的系统，其特征在获取模块，用于通过词性分析对所采集的语义问答数据进行整数据库处理模块，用于对统一格式语义问答信息进行语义理解优化模块，用于使用自然语言处理经数据预处理后的数据检索增强生成模块，用于基于从数据库检索所关联的相关信息答案生成与质量控制模块，用于响应所述回答信息，并基于所述语言大模型5[0002]当前文字处理功能在理解长文本、复杂语境以及语义逻[0004]因此，本发明其中的一个目的是提供一种语义理解与问其利用深度学习模型来提取查询和文档的语义特征，捕获上下文信息和长距离依赖关系，6jk为第k个训练样本yj。[0017]其中，n表示第i个聚类样本xi的项数，fi表示为数据集聚类样本xi出现的频率，型，采用余弦距离作为损失函数，基于所述提取查询和文档后的数据集，训练得到基于Sentence_BERT的向量表示模型参数进行计算生成优化后的核心字段信息，并同步生成优预测为正例但标签为负例的样本数，FN为核心字段信息预测负正例但标签为正例的样本7[0034]数据库处理模块，用于对统一格式语义问答信息进行字段的划分并划分出数据89类算法对数据集进行聚类处理，将完整的数据集根据提取查询和文档数据分若干个类别，jk为第k个训练样本yj。[0057]其中，n表示第i个聚类样本xi的项数，fi表示为数据集聚类样本xi出现的频率，预测为正例但标签为负例的样本数，FN为核心字段信息预测负正例但标签为正例的样本[0079]数据库处理模块，用于对统一格式语义问答信息进行字段的划分并划分出数据领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特备而使用。

人人文库> 全部分类> 行业资料 > 信息产业

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。

最新文档

评论

0/150

提交评论