[发明专利]一种基于凸神经网络的咨询对话唯一答案寻优方法

说明书

本发明提出一种基于凸神经网络的咨询对话唯一答案寻优方法，包括：构造评价模型，所述评价模型根据询问文本从答案文本中获取多个候选答案，并通过凸神经网络对所述候选答案进行评估；根据评估结果获取多个所述候选答案中的最优答案；本发明可有效解决答案寻优过程中易陷入局部最优的问题，确保了最优答案的唯一性，提高了获取答案的准确度。

技术领域

本发明涉及自然语言处理领域，尤其涉及一种基于凸神经网络的咨询对话唯一答案寻优方法。

背景技术

在答案寻优中，通常采用神经网络作为输入输出计算寻优，将问题输入，输出最优答案，但在常规神经网络的寻优中，由于非凸性，容易引起寻优算法陷入局部最小，而无法达到全局最优，而且用户在寻求答案的时候常常仅需要唯一最优答案，而本专利中凸神经网络的引入可以确保最优答案的唯一性。

发明内容

鉴于以上现有技术存在的问题，本发明提出一种基于凸神经网络的咨询对话唯一答案寻优方法，主要解决传统神经网络容易陷入局部极小值的问题。

为了实现上述目的及其他目的，本发明采用的技术方案如下。

一种基于凸神经网络的咨询对话唯一答案寻优方法，包括：

构造评价模型，所述评价模型根据询问文本从答案文本中获取多个候选答案，并通过凸神经网络对所述候选答案进行评估；

根据评估结果获取多个所述候选答案中的最优答案。

可选地，将所述询问文本转化为问题向量，将所述答案文本转化为答案向量；

根据所述问题向量和所述答案向量的匹配度构造所述评价模型的评价函数。

可选地，所述凸神经网络包括多层网络，每层网络的权重参数非负，且每层网络的激活函数为凸函数。

可选地，根据当前层网络的结构参数构造下一层网络的激活函数；其中，结构参数包括当前层网络的权重参数、当前层网络的激活函数、所述候选答案。

可选地，将所述候选答案馈入所述凸神经网络的每层网络用语构造对应网络层的激活函数。

可选地，根据所述询问文本与所述多个候选答案的映射关系，获取所述评价函数的梯度函数作为所述凸神经网络的值函数。

可选地，根据所述值函数对多个所述候选答案进行评估，获取多个所述候选答案中与所述询问文本匹配度最高的对应候选答案作为所述最优答案。

可选地，根据用户终端的反馈结果对所述最优答案进行满意度评估，根据评估结果矫正所述评价函数。

可选地，所述匹配度包括相对熵或交叉熵中的一种。

如上所述，本发明一种基于凸神经网络的咨询对话唯一答案寻优方法，具有以下有益效果。

通过凸神经网络对候选答案进行评估，更容易收敛到全局最优，提高获取答案的准确性。

附图说明

图1为本发明一实施例中基于凸神经网络的咨询对话唯一答案寻优方法的流程图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。