申请/专利权人：识因智能科技(北京)有限公司

申请日：2023-08-23

公开（公告）日：2024-05-10

公开（公告）号：CN118012996A

主分类号：G06F16/332

分类号：G06F16/332;G06F16/33;G06F40/30;G06N3/084

优先权：

专利状态码：在审-公开

法律状态：2024.05.10#公开

摘要：本发明提供一种数据驱动的完全端到端的相似问句生成方法，涉及自然语言处理技术领域，本发明分为训练阶段以及预测阶段，训练阶段中，通过样本对的构建，以及训练标签的构建，之后进行掩码矩阵M的构建，最后将数据输入BERT模型中进行语义计算，从而计算损失值，通过反向传播算法更新整个模型的参数，得到一系列数据结果，之后根据数据进行预测，通过设定相似句，再将相似句输入训练好的模型中进行语义计算，最终解码出k条序列，即生成k个A的相似句，本发明在大量数据的训练后，该方法能够捕捉到相同语义的不同表达方式，该方法完全端到端，可一次生成原问句的多个相似问句，易维护、可迭代。

主权项：1.一种数据驱动的完全端到端的相似问句生成方法，其特征在于，所述的相似问句生成方法具体步骤为：S1、训练阶段：S1.1、构建样本对，每一个样本包含两个句子，句子A以及它的相似句B；S1.2、将句子A和句子B进行分词，处理成如下的符号列表X这里假设句子A和B分别包含3个词：X＝{[CLS],a1,a2,a3,[SEP],b1,b2,b3,[SEP]}；S1.3、构建训练标签；S1.4、构建掩码矩阵M：掩码矩阵根据步骤S1.2中的输入X计算，X中从[CLS]符号到第一个[SEP]属于第一个句子，一共有5个符号，从b1到第二个[SEP]有四个符号属于第二个句子，因此M形如下面的二维矩阵：[1,1,1,1,1,0,0,0,0][1,1,1,1,1,0,0,0,0][1,1,1,1,1,0,0,0,0][1,1,1,1,1,0,0,0,0][1,1,1,1,1,0,0,0,0][1,1,1,1,1,1,0,0,0][1,1,1,1,1,1,1,0,0][1,1,1,1,1,1,1,1,0][1,1,1,1,1,1,1,1,1]；S1.5、将输入序列X和掩码矩阵M输入BERT模型中进行语义计算，最后取BERT最后一层神经网络的输出，得到一个维度为[9,768]的语义矩阵P，语义矩阵P包含9个768维的向量，每个向量分别是输入X中每个符号的语义向量，这些语义向量经过BERT中神经网络的计算，包含了输入序列中丰富的上下文信；S1.6、计算损失值；S1.7、根据步骤S1.6中计算得到的损失值，用反向传播算法更新整个模型的参数；S2、预测阶段：S2.1、假设需要生成句子A的相似句，将句子A处理成如下的符号列表X这里假设句子A包含3个词：X＝{[CLS],a1,a2,a3,[SEP]}；S2.2、将序列X输入训练好的模型中进行语义计算；S2.3、取[SEP]的语义向量进行束搜索beamsearch解码，束宽设置为k，解码序列的最大长度设置为m，解码序列达到最大长度m或者解码出停止符号[SEP]时输出一条最终解码序列，最终解码出k条序列，即生成k个A的相似句。

全文数据：

权利要求：

百度查询： 识因智能科技(北京)有限公司 一种数据驱动的完全端到端的相似问句生成方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD