问答方法、装置、电子设备和可读存储介质制造方法及图纸

本公开提供了一种问答方法、装置、电子设备和可读存储介质，涉及自然语言处理、深度学习、云服务等人工智能技术领域。其中，问答方法包括：获取待查询问题，得到所述待查询问题的第一问题向量与第二问题向量；根据所述第一问题向量，从多个候选向量中确定至少一个第一目标向量；根据与所述至少一个第一目标向量对应的图片，得到与所述至少一个第一目标向量对应的第一图片向量；根据所述第二问题向量与至少一个第一图片向量，从所述至少一个第一目标向量中确定至少一个第二目标向量；根据与所述至少一个第二目标向量对应的候选内容，得到所述待查询问题的答案。本公开能够丰富所获取的答案中包含的内容，提升在获取答案时的准确性。提升在获取答案时的准确性。提升在获取答案时的准确性。

【技术实现步骤摘要】
问答方法、装置、电子设备和可读存储介质


[0001]本公开涉及数据处理
，具体涉及自然语言处理、深度学习、云服务等人工智能
提供了一种问答方法、装置、电子设备和可读存储介质。

技术介绍

[0002]随着人工智能技术的快速发展，问答技术受到越来越多的关注，问答系统可以根据用户提出的问题寻找相应的答案。相关技术通常采用将用户输入的问题与候选答案进行文本匹配的方式，来确定目标答案，导致问答系统所提供的答案的准确性较低，且答案中所包含的内容较为单一。

技术实现思路

[0003]根据本公开的第一方面，提供了一种问答方法，包括：获取待查询问题，得到所述待查询问题的第一问题向量与第二问题向量；根据所述第一问题向量，从多个候选向量中确定至少一个第一目标向量，所述候选向量与包含文字与图片的一个候选内容相对应；根据与所述至少一个第一目标向量对应的图片，得到与所述至少一个第一目标向量对应的第一图片向量；根据所述第二问题向量与至少一个第一图片向量，从所述至少一个第一目标向量中确定至少一个第二目标向量；根据与所述至少一个第二目标向量对应的候选内容，得到所述待查询问题的答案。
[0004]根据本公开的第三方面，提供了一种问答装置，包括：获取单元，用于获取待查询问题，得到所述待查询问题的第一问题向量与第二问题向量；第一确定单元，用于根据所述第一问题向量，从多个候选向量中确定至少一个第一目标向量，所述候选向量与包含文字与图片的一个候选内容相对应；处理单元，用于根据与所述至少一个第一目标向量对应的图片，得到与所述至少一个第一目标向量对应的第一图片向量；第二确定单元，用于根据所述第二问题向量与至少一个第一图片向量，从所述至少一个第一目标向量中确定至少一个第二目标向量；反馈单元，用于根据与所述至少一个第二目标向量对应的候选内容，得到所述待查询问题的答案。
[0005]根据本公开的第三方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的方法。
[0006]根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行如上所述的方法。
[0007]根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如上所述的方法。
[0008]由以上技术方案可以看出，本公开能够有效地利用包含图片的资源来实现问答，通过使用与图片对应的向量来得到待查询问题的答案，丰富了所获取的答案中包含的内
容，提升了在获取答案时的准确性。
[0009]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0010]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0011]图1是根据本公开第一实施例的示意图；
[0012]图2是根据本公开第二实施例的示意图；
[0013]图3是根据本公开第三实施例的示意图；
[0014]图4是根据本公开第四实施例的示意图；
[0015]图5是用来实现本公开实施例的问答方法的电子设备的框图。
具体实施方式
[0016]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和机构的描述。
[0017]图1是根据本公开第一实施例的示意图。如图1所示，本实施例的问答方法，具体包括如下步骤：
[0018]S101、获取待查询问题，得到所述待查询问题的第一问题向量与第二问题向量；
[0019]S102、根据所述第一问题向量，从多个候选向量中确定至少一个第一目标向量，所述候选向量与包含文字与图片的一个候选内容相对应；
[0020]S103、根据与所述至少一个第一目标向量对应的图片，得到与所述至少一个第一目标向量对应的第一图片向量；
[0021]S104、根据所述第二问题向量与至少一个第一图片向量，从所述至少一个第一目标向量中确定至少一个第二目标向量；
[0022]S105、根据与所述至少一个第二目标向量对应的候选内容，得到所述待查询问题的答案。
[0023]本实施例的问答方法，在获取待查询问题之后，首先根据待查询问题的第一问题向量确定至少一个第一目标向量，再根据与至少一个第一目标向量对应的候选内容中的图片得到至少一个第一图片向量，然后根据待查询问题的第二问题向量与至少一个第一图片向量，确定至少一个第二目标向量，最后根据与至少一个第二目标向量对应的候选内容，得到待查询问题的答案，从而完成问答，本实施例能够有效地利用包含图片的资源来实现问答，通过使用与图片对应的向量来得到待查询问题的答案，丰富了所获取的答案中包含的内容，提升了在获取答案时的准确性。
[0024]本实施例在执行S101获取待查询问题时，可以直接将输入端输入的文本格式的问题作为待查询问题，也可以在将输入端输入的语音格式的问题进行文本转换之后，将转换结果作为待查询问题。
[0025]本实施例执行S101获取待查询问题之后，执行得到待查询问题的第一问题向量与
第二问题向量的步骤。
[0026]其中，本实施例执行S101得到的第一问题向量，为用于表示待查询问题的答案所对应的语义的向量；本实施例执行S101得到的第二问题向量，为用于表示待查询问题的自身所对应的语义的向量。
[0027]本实施例在执行S101得到待查询问题的第一问题向量时，可以采用的可选实现方式为：将所获取的待查询问题输入问题文本模型，将问题文本模型的输出结果作为第一问题向量。
[0028]具体地，本实施例执行S101所使用的问题文本模型可以采用以下方式训练得到：获取第一训练数据，第一训练数据中包含多个样本问题与多个样本问题的答案标注向量，本实施例中的答案标注向量为样本问题的答案所对应的语义的向量；将多个样本问题输入神经网络模型，得到神经网络模型针对每个样本问题输出的答案预测向量；使用每个样本问题的答案标注向量与答案预测向量计算损失函数值；根据计算得到的损失函数值调整神经网络模型的参数，直至神经网络模型收敛，得到问题文本模型。
[0029]本实施例在执行S101得到待查询问题的第二问题向量时，可以采用的可选实现方式为：将所获取的待查询问题输入语义表示模型，将语义表示模型的输出结果作为第二问题向量。
[0030]具体地，本实施执行S101所使用的语义表示模型可以采用以下方式训练得到：获取第二训练数据，第二训练数据中包含多个样本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种问答方法，包括：获取待查询问题，得到所述待查询问题的第一问题向量与第二问题向量；根据所述第一问题向量，从多个候选向量中确定至少一个第一目标向量，所述候选向量与包含文字与图片的一个候选内容相对应；根据与所述至少一个第一目标向量对应的图片，得到与所述至少一个第一目标向量对应的第一图片向量；根据所述第二问题向量与至少一个第一图片向量，从所述至少一个第一目标向量中确定至少一个第二目标向量；根据与所述至少一个第二目标向量对应的候选内容，得到所述待查询问题的答案。2.根据权利要求1所述的方法，其中，所述得到所述待查询问题的第一问题向量包括：将所述待查询问题输入问题文本模型，将所述问题文本模型的输出结果作为所述第一问题向量，所述第一问题向量为用于表示所述待查询问题的答案所对应的语义的向量。3.根据权利要求2所述的方法，其中，所述问题文本模型是采用以下训练方式训练得到：获取第一训练数据，所述第一训练数据中包含多个样本问题与多个样本问题的答案标注向量；将所述多个样本问题输入神经网络模型，得到所述神经网络模型针对每个样本问题输出的答案预测向量；使用每个样本问题的答案标注向量与答案预测向量计算损失函数值；根据所述损失函数值调整所述神经网络模型的参数，直至所述神经网络模型收敛，得到所述问题文本模型。4.根据权利要求1
‑
3中任一项所述的方法，其中，所述根据所述第一问题向量，从多个候选向量中确定至少一个第一目标向量包括：获取多个候选向量；分别计算所述第一问题向量与所述多个候选向量之间的第一相似度；将所述第一相似度满足第一预设条件的候选向量，作为所述至少一个第一目标向量。5.根据权利要求4所述的方法，其中，所述获取多个候选向量包括：获取至少一个候选资源，得到所述至少一个候选资源中的图片以及位于图片周围的文字；根据所述图片中包含的文字，得到对应图片的第二图片向量；根据所述位于图片周围的文字，得到对应文字的第一文字向量；将由一个第二图片向量与一个第一文字向量组成的向量，作为一个候选向量。6.根据权利要求1
‑
5中任一项所述的方法，其中，所述根据所述第二问题向量与至少一个第一图片向量，从所述至少一个第一目标向量中确定至少一个第二目标向量包括：分别计算所述第二问题向量与至少一个第一图片向量之间的第二相似度；将所述第二相似度满足第二预设要求的第一目标向量，作为所述至少一个第二目标向量。7.根据权利要求6所述的方法，其中，所述将所述第二相似度满足第二预设要求的第一目标向量，作为所述至少一个第二目标向量包括：
获取所述第一问题向量与所述至少一个第一目标向量之间的第一相似度；根据所述第一相似度与所述第二相似度，得到所述至少一个目标向量的第三相似度；将所述第三相似度满足第三预设要求的第一目标向量，作为所述至少一个第二目标向量。8.根据权利要求7所述的方法，其中，所述根据所述第一相似度与所述第二相似度，得到所述至少一个目标向量的第三相似度包括：获取第一权重值与第二权重值；获取所述第一权重值与所述第一相似度的第一乘积、以及所述第二权重值与所述第二相似度的第二乘积；将所述第一乘积与所述第二乘积的相加结果，作为所述第三相似度。9.一种问答装置，包括：获取单元，用于获取待查询问题，得到所述待查询问题的第一问题向量与第二问题向量；第一确定单元，用于根据所述第一问题向量，从多个候选向量中确定至少一个第一目标向量，所述候选向量与包含文字与图片的一个候选内容相对应；处理单元，用于根据与所述至少一个第一目标向量对应的图片，得到与所述至少一个第一目标向量对应的第一图片向量；第二确定单元，用于根据所述第二问题向量与至少一个第一图片向量，从所述至...

【专利技术属性】
技术研发人员：张力文，丁鑫哲，刘凯，李婷婷，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：