【技术实现步骤摘要】
本专利技术涉及人工智能、自然语言处理，具体涉及一种面向智能医疗服务的问答方法和装置。
技术介绍
1、问答方法的任务旨在衡量给出的答案句是否是当前问题的合理答案，是许多自然语言处理任务的重要基础。随着技术的发展和生活水平的提高，智能医疗服务的需求不断增长。智能医疗服务正以科技形态出现在人们的生活中，以大数据、云计算以及人工智能为代表的高新科技，将从根本上改变传统医疗咨询的运作方式。对于智能医疗问答服务而言，问题句和答案句之间的语义匹配是一项基础性的工作。问答对语义匹配任务是一项基础性且极具挑战性的工作，该工作所面临的许多问题目前还没有完善的解决方案，即使是针对特定领域的句子对语义匹配工作也有许多亟待解决的问题。
2、目前对于问答对语义匹配任务的解决方案大致可以分为两类，一类是基于特征表示的方法，该类方法通过对问题句和答案句分别进行编码来获得两个句子相互独立的语义特征表示，随后通过相似度函数衡量当前答案句是否是问题句的合理答案；另一类方法是特征基于交互的方法，该类方法首先分别对问题句和答案句进行编码操作，随后通过各种注意力机制来进行问题句和答案句之间的特征交互操作，最后将经过注意力操作以后的问题句和答案句的特征表示送入语义匹配函数进行相关计算。在问答对语义匹配任务中，基于特征表示的方法虽然有着实现方式简单高效且训练速度快的优势，但是存在缺乏问题句和答案句之间的语义特征感知的问题，从而使得提取到的语义特征不够丰富。相较于基于特征表示的问答对语义匹配方法，基于特征交互的问答对语义匹配方法，不仅可以获得自身的语义特征，而且还可
3、针对现有的问答对语义匹配方法存在的不足之处，本专利技术提出了一种面向智能医疗服务的问答方法和装置。该方法首先使用字符嵌入模块对问题句进行字符嵌入处理，同时对答案句进行字符嵌入处理，捕获问题句和答案句的字符嵌入特征表示；实现一种残差增强模块，对问题句的字符嵌入特征表示分别进行局部特征和序列特征的提取，随后使用字符嵌入特征表示对局部特征和序列特征进行残差增强以得到问题句的残差增强的局部特征表示和残差增强的序列特征表示，并对问题句的残差增强的局部特征表示和残差增强的序列特征表示进行合并以得到问题句的残差增强的特征表示，同理可得答案句的残差增强的特征表示；实现一种全局注意力感知模块，首先对问题句的残差增强的特征表示和答案句的残差增强的特征表示进行特征交互，以生成问题句和答案句相互感知的特征表示，随后经过特征融合等操作得到问题句的融合特征表示和答案句的融合特征表示；实现一种标签预测模块，以达到判断当前答案是否是问题的合理答案的目的。
技术实现思路
1、本专利技术的技术任务是提供面向智能医疗服务的问答方法和装置，通过残差增强模块中的字符嵌入特征对局部特征表示和序列特征表示进行残差增强，随后通过全局注意力感知模块获取问题句和答案句相互感知的特征表示，并进行特征融合，最后通过标签预测模块，以达到判断当前答案句是否是问题句的合理答案的目的。
2、本专利技术的技术任务是按以下方式实现的，智能医疗服务的问答方法和装置，属于人工智能、自然语言处理
本专利技术要解决的技术问题为判断当前答案句是否是问题句的合理答案，采用的技术方案为：通过构建并训练由字符嵌入模块、残差增强模块、全局注意力感知模块及标签预测模块构成的语义匹配模型，通过对问题句和答案句进行残差增强操作，以获取残差增强的局部特征表示和残差增强的序列特征表示，进而得到残差增强的特征表示，通过问题句和答案句之间的基于注意力机制的特征交互操作以获取相互感知的特征表示，随后进行特征融合以及池化操作得到问答对的池化结果表示，以判断当前答案是否是问题的合理答案；具体如下：
3、字符嵌入模块对输入的问题句和答案句分别以字粒度进行嵌入操作，得到问题句和答案句的字符嵌入特征表示；
4、残差增强模块对问题句的局部特征表示和序列特征表示进行残差增强，进而得到问题句残差增强的特征表示，同理可得答案句残差增强的特征表示；
5、全局注意力感知模块对问题句和答案句进行特征交互操作，随后进行特征融合和池化操作得到问答对的池化结果表示；
6、标签预测模块将问答对的池化结果表示映射为指定区间上的一个浮点型数值，将其作为匹配值与预设的阈值进行比较，根据比较结果，判定当前答案是否是问题的合理答案。
7、作为优选，所述字符嵌入模块将输入的问题句和答案句分别以字粒度进行字符嵌入操作，以得到问题句和答案句的字符嵌入特征表示；
8、更优地，所述残差增强模块的构建过程具体如下：
9、残差增强的局部特征表示的提取：首先使用卷积神经网络对问题句的字符嵌入特征表示进行编码操作以获取局部特征表示，继而使用问题句的字符嵌入特征表示对问题句的局部特征表示进行残差增强，以获取问题句的残差增强的局部特征表示。对于问题句，具体实施见下述公式：
10、
11、其中，add(,)表示残差增强操作，l为问题句中的字符数量；qi和cnn(qi)分别表示问题句q在第i个位置处的字符嵌入特征表示和局部特征表示，表示问题句q在第i个位置处的残差增强的局部特征表示。
12、同理，对于答案句的操作，首先使用卷积神经网络对答案句的字符嵌入特征表示进行编码操作以获取局部特征表示，继而使用答案句的字符嵌入特征表示对答案句的局部特征表示进行残差增强，以获取答案句的残差增强的局部特征表示。对于答案句，具体实施见如下公式：
13、
14、其中，add(,)表示残差增强操作，l为答案句中的字符数量；aj和cnn(aj)分别表示答案句a在第j个位置处的字符嵌入特征表示和局部特征表示，表示答案句a在第j个位置处的残差增强的局部特征表示。
15、残差增强的序列特征表示的提取：使用bilstm网络对字符嵌入模块传来的问题句的字符嵌入特征表示进行编码以捕获序列特征表示，并对问题句的序列特征表示进行映射操作，随后用问题句的字符嵌入特征表示对问题句的经过映射操作以后的序列特征表示进行残差增强，以得到问题句的残差增强的序列特征表示，具体实施见下述公式：
16、
17、其中，add(,)和linear分别表示残差增强操作和映射操作，l为问题句中的字符数量；qi和bilstm(qi))分别表示问题句q在第i个位置处的字符嵌入特征表示和序列特征表示，linear(bilstm(qi))表示问题句q在第i个位置处经过映射操作以后的序列特征表示，表示问题句q在第i个位置处的残差增强本文档来自技高网...
【技术保护点】
1.一种面向智能医疗服务的问答方法，其特征在于，该方法通过构建并训练由字符嵌入模块、残差增强模块、全局注意力感知模块及标签预测模块构成的语义匹配模型，通过对问题句和答案句进行残差增强操作，以获取残差增强的局部特征表示和残差增强的序列特征表示，进而得到残差增强的特征表示，通过问题句和答案句之间的基于注意力机制的特征交互操作以获取相互感知的特征表示，随后进行特征融合以及池化操作得到问答对的池化结果表示，以判断当前答案是否是问题的合理答案；具体如下：
2.根据权利要求1所述的面向智能医疗服务的问答方法，其特征在于，所述字符嵌入模块将输入的问题句和答案句分别以字粒度进行字符嵌入操作，以得到问题句和答案句的字符嵌入特征表示。
3.根据权利要求1所述的面向智能医疗服务的问答方法，其特征在于，所述残差增强模块的构建过程具体如下：
4.根据权利要求1所述的面向智能医疗服务的问答方法，其特征在于，所述全局注意力感知模块的构建过程具体如下：
5.根据权利要求1所述的面向智能医疗服务的问答方法，其特征在于，所述标签预测模块构建过程如下：
6.
7.一种面向智能医疗服务的问答装置，其特征在于，该装置主要包含4个单元，即问题句和答案句语义匹配知识库构建单元、训练数据集生成单元、问题句和答案句语义匹配模型构建单元、问题句和答案句语义匹配模型训练单元，分别实现权利要求1-6所描述的面向智能医疗服务的问答方法的步骤。
8.一种存储介质，其中存储有多条指令，其特征在于，所述指令有处理器加载，执行权利要求1-6中所述的面向智能医疗服务的问答方法的步骤。
9.一种电子设备，其特征在于，所述电子设备包括：
...【技术特征摘要】
1.一种面向智能医疗服务的问答方法，其特征在于，该方法通过构建并训练由字符嵌入模块、残差增强模块、全局注意力感知模块及标签预测模块构成的语义匹配模型，通过对问题句和答案句进行残差增强操作，以获取残差增强的局部特征表示和残差增强的序列特征表示，进而得到残差增强的特征表示，通过问题句和答案句之间的基于注意力机制的特征交互操作以获取相互感知的特征表示，随后进行特征融合以及池化操作得到问答对的池化结果表示，以判断当前答案是否是问题的合理答案；具体如下：
2.根据权利要求1所述的面向智能医疗服务的问答方法，其特征在于，所述字符嵌入模块将输入的问题句和答案句分别以字粒度进行字符嵌入操作，以得到问题句和答案句的字符嵌入特征表示。
3.根据权利要求1所述的面向智能医疗服务的问答方法，其特征在于，所述残差增强模块的构建过程具体如下：
4.根据权利要求1所述的面向智能...
【专利技术属性】
技术研发人员：冯军，郝文晖，刘毅，
申请(专利权)人：海南榕树家信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。