公开(公告)号：CN113204976B

公开(公告)日：2024-03-29

申请号：CN202110419207.2

申请日：2021-04-19

Applicant: 北京大学

Inventor： 文亮 ,  王厚峰 ,  汪小林 ,  罗英伟

IPC: G06F16/332 ,  G06F18/22 ,  G06N3/0455 ,  G06N3/084 ,  G06F40/35 ,  G06F40/44 ,  G06F16/38

Abstract: 本发明公开了一种实时问答方法及系统。本方法为：1)建立并训练一个多任务神经网络并训练；其中多任务神经网络包括文档编码器、问题编码器和排序器，文档编码器和问题编码器为共享同一套训练参数的预训练语言模型网络；2)用文档编码器离线预计算设定文档中各候选答案的上下文表示向量；3)用问题编码器在线编码当前问题的表示向量；4)计算该问题的表示向量与每一候选答案的上下文表示向量之间的相似度；5)找到相似度最高的候选答案在该设定文档中的位置边界信息；6)通过修改该位置边界信息，从该设定文档中确定出若干高质量候选答案；7)用排序器对各高质量候选答案进行排序，选择出排序在最前的高质量答案做为该问题的最终答案。

公开(公告)号：CN113204976A

公开(公告)日：2021-08-03

申请号：CN202110419207.2

申请日：2021-04-19

Applicant: 北京大学

Inventor： 文亮 ,  王厚峰 ,  汪小林 ,  罗英伟

IPC: G06F40/35 ,  G06F40/44 ,  G06F16/38 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种实时问答方法及系统。本方法为：1)建立并训练一个多任务神经网络并训练；其中多任务神经网络包括文档编码器、问题编码器和排序器，文档编码器和问题编码器为共享同一套训练参数的预训练语言模型网络；2)用文档编码器离线预计算设定文档中各候选答案的上下文表示向量；3)用问题编码器在线编码当前问题的表示向量；4)计算该问题的表示向量与每一候选答案的上下文表示向量之间的相似度；5)找到相似度最高的候选答案在该设定文档中的位置边界信息；6)通过修改该位置边界信息，从该设定文档中确定出若干高质量候选答案；7)用排序器对各高质量候选答案进行排序，选择出排序在最前的高质量答案做为该问题的最终答案。