System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本说明书实施例涉及深度学习,特别涉及一种问答处理方法、对象查询方法以及问答处理模型训练方法。
技术介绍
1、随着深度学习技术的发展,基于深度学习模型架构训练得到的问答处理模型,在多个领域得到广泛应用。例如,智能客服、智能公文写作、智能助手、人机互动和搜索引擎等等。
2、目前,利用预先训练的问答处理模型,对目标问题数据进行问答处理,得到对应的目标答复数据。然而,得到的目标答复数据的准确度,主要依赖于问答处理模型的模型性能,在模型性能不足的情况下,得到的目标答复数据的准确度不足,问答处理的准确度不足。因此,亟需一种高准确度的问答处理方法。
技术实现思路
1、有鉴于此,本说明书实施例提供了一种问答处理方法。本说明书一个或者多个实施例同时涉及一种对象查询方法,一种问答处理模型训练方法,一种问答处理装置,一种对象查询装置,一种问答处理模型训练装置,一种计算设备,一种计算机可读存储介质以及一种计算机程序,以解决现有技术中存在的技术缺陷。
2、本说明书一个实施例提供了一种问答处理方法,包括:
3、获取目标问题数据和对象关系数据;
4、基于对象关系数据,确定对象关系数据中各对象的对象词文本以及各对象之间的关系词文本;
5、基于各对象词文本和各关系词文本,按照各对象之间的关系构建目标文本序列;
6、利用问答处理模型,基于目标文本序列,对目标问题数据进行问答处理,获得目标问题数据对应的目标答复数据。
7、本说明书一个实
本文档来自技高网...【技术保护点】
1.一种问答处理方法,包括:
2.根据权利要求1所述的方法,所述目标问题数据包括第一对象的对象词文本;
3.根据权利要求2所述的方法,所述基于所述第一对象的对象词文本,对所述对象关系数据进行遍历,确定包括所述第一对象的目标对象关系子数据,包括:
4.根据权利要求3所述的方法,所述基于所述多个目标三元组,构建包括所述第一对象的目标对象关系子数据,包括:
5.根据权利要求1-4任一项所述的方法,所述问答处理模型包括文本嵌入单元、语言处理单元和推理单元;
6.根据权利要求5所述的方法,所述将所述问题文本嵌入向量和所述目标文本嵌入向量输入所述语言处理单元,获得所述问题文本特征向量和目标文本特征向量,包括:
7.根据权利要求6所述的方法,所述基于所述问题文本嵌入向量和所述目标文本嵌入向量,构建目标特征矩阵,包括:
8.根据权利要求6所述的方法,所述对所述目标特征矩阵进行掩码处理,得到自注意特征矩阵,包括如下至少一种:
9.根据权利要求1所述的方法,在所述利用问答处理模型,基于所述目标文本序列,对
10.根据权利要求9所述的方法,所述基于所述样本对象关系数据,构建所述样本问题文本的样本答复文本,包括:
11.一种对象查询方法,应用于云侧设备,包括:
12.一种问答处理模型训练方法,应用于云侧设备,包括:
13.一种计算设备,包括:
14.一种计算机可读存储介质,其存储有计算机可执行指令,该计算机可执行指令被处理器执行时实现权利要求1至12任意一项所述方法的步骤。
...【技术特征摘要】
1.一种问答处理方法,包括:
2.根据权利要求1所述的方法,所述目标问题数据包括第一对象的对象词文本;
3.根据权利要求2所述的方法,所述基于所述第一对象的对象词文本,对所述对象关系数据进行遍历,确定包括所述第一对象的目标对象关系子数据,包括:
4.根据权利要求3所述的方法,所述基于所述多个目标三元组,构建包括所述第一对象的目标对象关系子数据,包括:
5.根据权利要求1-4任一项所述的方法,所述问答处理模型包括文本嵌入单元、语言处理单元和推理单元;
6.根据权利要求5所述的方法,所述将所述问题文本嵌入向量和所述目标文本嵌入向量输入所述语言处理单元,获得所述问题文本特征向量和目标文本特征向量,包括:
7.根据权利要求6所述的方法,所述基于所述问题文本嵌入向量和所述目标文本嵌入...
【专利技术属性】
技术研发人员:赵鑫,蒋锦昊,李雅亮,周昆,文继荣,
申请(专利权)人:杭州阿里云飞天信息技术有限公司,
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。