申请/专利权人：福建拓尔通软件有限公司

申请日：2024-05-29

公开（公告）日：2024-06-25

公开（公告）号：CN118245590A

主分类号：G06F16/332

分类号：G06F16/332;G06F16/36;G06N3/045;G06N3/084;G06N3/0895;G06N3/0985

优先权：

专利状态码：在审-公开

法律状态：2024.06.25#公开

摘要：本发明涉及一种基于多视角图对比学习和元学习特征净化网络的答案选择方法及方法，该方法包括：获取用户的问题及其答案，构建数据集，并划分为训练集、验证集、测试集及用于元学习的支持集；使用训练集训练基础的深度学习网络模型M1，获取问答对结构性融合特征；然后在元学习框架引导下，将支持集经过模型M1得到的问答对结构性融合特征作为输入，训练基于元学习特征净化网络的深度学习网络模型M2；使用验证集验证模型M1和模型M2的泛化能力，并选出表现最优的模型状态作为检查点；使用测试集测试检查点；利用经过训练、验证、测试的模型M1和模型M2进行答案选择。该方法及系统可以提高答案选择的准确性，泛化能力强。

主权项：1.一种基于多视角图对比学习和元学习特征净化网络的答案选择方法，其特征在于，包括以下步骤：步骤A：获取用户的问题及其答案数据，对每个问题及其答案分别构建问答对，并标注每个问答对的真实标签，以此构建数据集S，并划分为训练集TS、验证集VS、测试集DS以及用于元学习的支持集SS；步骤B：使用训练集TS，构建问答对的句法依赖树，训练基础的深度学习网络模型M1，捕捉问答对间语义关联的同时强化结构性知识，获取问答对结构性融合特征Xfinal；然后在元学习框架引导下，使用支持集SS，将支持集SS经过模型M1得到的问答对结构性融合特征Xfinal作为输入，训练基于元学习特征净化网络的深度学习网络模型M2，提高模型M2对未知数据的噪声信息的提取能力，模型M2输出元空间去偏差特征Vdebias；定期保存模型M1和模型M2的模型状态；步骤C：使用验证集VS先后经过模型M1和模型M2，并将模型M2输出的元空间去偏差特征Vdebias作为最终的问答对表征，验证模型M1和模型M2的泛化能力，调整模型训练的超参数，并选出表现最优的模型状态作为最终的检查点checkpointbest；最后使用测试集DS测试检查点checkpointbest在未知数据上的表现；步骤D：利用经过训练、验证、测试的模型M1和模型M2进行答案选择。

全文数据：

权利要求：

百度查询： 福建拓尔通软件有限公司 基于多视角图对比学习和元学习特征净化网络的答案选择方法及系统

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