[发明专利]基于向量匹配的问答对录入方法、装置、设备及介质

权利要求书

1.一种基于向量匹配的问答对录入方法，其特征在于，所述方法包括：

获取原始问题集和所述原始问题集对应的正确答案集，利用预设的替换词库对所述正确答案集进行数据替换，得到非正确答案集；

利用双向长短期记忆网络分别对所述原始问题集、所述正确答案集和所述非正确答案集进行编码处理，得到问题向量集、正确答案向量集和非正确答案向量集；

利用预设的问答对匹配模型对所述问题向量集和所述正确答案向量集进行匹配值计算，得到第一匹配值集，将所述问题向量集和所述非正确答案向量集输入至所述问答对匹配模型中，得到第二匹配值集；

将所述第一匹配值集和所述第二匹配值集中的匹配值进行排序，计算排序得到的排序匹配值集的排序参考值；

若所述排序参考值小于预设匹配阈值时，返回至对所述问答对匹配模型进行训练，直至所述排序参考值大于或者等于所述预设匹配阈值时，将所述问答对匹配模型输出为标准问答对匹配模型；

获取待录入问答对，利用所述标准问答对匹配模型对所述待录入问答对进行匹配值计算，得到所述待录入问答对对应的匹配值，当所述待录入问答对对应的匹配值大于预设的达标阈值时，将所述待录入问答对录入至预设的问答库中。

2.如权利要求1所述的基于向量匹配的问答对录入方法，其特征在于，所述利用预设的替换词库对所述正确答案集进行数据替换处理，得到非正确答案集，包括：

对所述正确答案集中的多个正确答案进行分词处理，得到答案分词集；

对所述答案分词集中的答案分词进行类型识别，得到多个答案分词对应的答案类型；

将所述答案分词集中预定类型的答案分词替换为预设替换词库中的替换词，得到非正确答案集。

3.如权利要求1所述的基于向量匹配的问答对录入方法，其特征在于，所述利用双向长短期记忆网络对所述原始问题集进行编码处理，得到问题向量集，包括：

通过所述双向长短期记忆网络中的输入门计算所述原始问题集的状态值；

通过所述双向长短期记忆网络中的遗忘门计算所述原始问题集的激活值；

根据所述状态值和所述激活值计算所述原始问题集的状态更新值；

利用所述双向长短期记忆网络的输出门计算所述状态更新值对应的问题向量集。

4.如权利要求3所述的基于向量匹配的问答对录入方法，其特征在于，所述利用所述双向长短期记忆网络的输出门计算所述状态更新值对应的问题向量集，包括：

根据下述参数计算公式计算所述状态更新值对应的问题向量集：

o_t＝tanh(c_t)

其中，o_t表示所述问题向量集，tanh表示所述输出门的激活函数，c_t表示所述状态更新值。

5.如权利要求1所述的基于向量匹配的问答对录入方法，其特征在于，所述利用预设的问答对匹配模型对所述问题向量集和所述正确答案向量集进行匹配值计算，得到第一匹配值集之前，所述方法还包括：

获取自回归神经网络预测模型；

将所述问题向量集和所述正确答案向量集汇总得到训练数据集，将所述训练数据集输入至所述自回归神经网络预测模型中，得到预测得分集；

计算所述预测得分集和预设的真实得分集之间的损失值；

若所述损失值大于或者等于预设得分阈值，则调整所述自回归神经网络预测模型的模型参数，并重新将所述训练数据集输入至调整模型参数后的自回归神经网络预测模型中，得到新的预测得分集并计算其与所述真实得分集之间的损失值，直至所述损失值小于所述预设得分阈值；

若所述损失值小于所述预设得分阈值，则将所述自回归神经网络预测模型输出为问答对匹配模型。