[发明专利]问答文本的语义匹配方法、装置、介质及电子设备

权利要求书

1.一种问答文本的语义匹配方法，其特征在于，该方法包括：

利用循环神经网络获取问题文本的具有上下文局部特征的特征向量序列和候选答案文本的具有上下文局部特征的特征向量序列；

基于所述问题文本的具有上下文局部特征的特征向量序列和所述问题文本的具有上下文局部特征的特征向量序列中每个特征向量的注意力权重，生成所述问题文本的具有上下文局部特征和全局特征的特征向量序列，以及基于所述候选答案文本的具有上下文局部特征的特征向量序列和所述候选答案文本的具有上下文局部特征的特征向量序列中每个特征向量的注意力权重，生成所述候选答案文本的具有上下文局部特征和全局特征的特征向量序列；

根据所述问题文本的具有上下文局部特征和全局特征的特征向量序列、所述候选答案文本的具有上下文局部特征和全局特征的特征向量序列，确定所述问题文本与所述候选答案文本的语义匹配度；以及

所述方法还包括：基于所述问题文本的具有上下文局部特征的特征向量序列和所述候选答案文本的具有上下文局部特征的特征向量序列，生成背景信息；根据所述背景信息计算所述问题文本的具有上下文局部特征的特征向量序列中每个特征向量的注意力权重和所述候选答案文本的具有上下文局部特征的特征向量序列中每个特征向量的注意力权重；所述背景信息包括所述问题文本的词向量和所述候选答案的词向量在循环神经网络最后时刻之前的所有时间状态的语义信息。

2.根据权利要求1所述的方法，其特征在于，所述循环神经网络包括双向循环神经网络，所述双向循环神经网络中的循环神经网络包括基于长短时记忆LSTM和/或基于门控循环单元GRU的网络。

3.根据权利要求1所述的方法，其特征在于，基于所述问题文本的具有上下文局部特征的特征向量序列和所述问题文本的具有上下文局部特征的特征向量序列中每个特征向量的注意力权重，生成所述问题文本的具有上下文局部特征和全局特征的特征向量序列包括：

根据所述背景信息，确定所述背景信息与所述问题文本的具有上下文局部特征的特征向量序列中的每个时刻特征向量的相似度；

根据所述背景信息与所述问题文本的具有上下文局部特征的特征向量序列中的每个时刻特征向量的相似度，确定所述问题文本的具有上下文局部特征的特征向量序列中的每个时刻特征向量的注意力权重；

根据所述问题文本的具有上下文局部特征的特征向量序列中的每个时刻特征向量的注意力权重，对所述问题文本的具有上下文局部特征的特征向量序列中的每个时刻特征向量加权，得到所述问题文本的具有上下文局部特征和全局特征的特征向量序列。

4.根据权利要求1所述的方法，其特征在于，基于所述候选答案文本的具有上下文局部特征的特征向量序列和所述候选答案文本的具有上下文局部特征的特征向量序列中每个特征向量的注意力权重，生成所述候选答案文本的具有上下文局部特征和全局特征的特征向量序列包括：

根据所述背景信息，确定所述背景信息与所述候选答案文本的具有上下文局部特征的特征向量序列中的每个时刻特征向量的相似度；

根据所述背景信息与所述候选答案文本的具有上下文局部特征的特征向量序列中的每个时刻特征向量的相似度，确定所述候选答案文本的具有上下文局部特征的特征向量序列中的每个时刻特征向量的注意力权重；

根据所述候选答案文本的具有上下文局部特征的特征向量序列中的每个时刻特征向量的注意力权重，对所述候选答案文本的具有上下文局部特征的特征向量序列中的每个时刻特征向量加权，得到所述候选答案文本的具有上下文局部特征和全局特征的特征向量序列。