[发明专利]一种基于语言模型和强化学习的关键词问答方法有效
| 申请号： | 201910274243.7 | 申请日： | 2019-04-08 |
| 公开（公告）号： | CN109992669B | 公开（公告）日： | 2020-12-15 |
| 发明（设计）人： | 潘博远;蔡登 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | G06F16/35 | 分类号： | G06F16/35;G06F16/332;G06N3/04 |
| 代理公司： | 杭州天勤知识产权代理有限公司 33224 | 代理人： | 胡红娟 |
| 地址： | 310013 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于语言模型和强化学习的关键词问答方法，包括以下步骤：(1)用关键词问题句和自然语言问题句的混合数据集来训练一个关键词问题分类器；(2)在自然语言问题句的数据集上预训练一个语言模型；(3)将步骤(2)中的语言模型高层网络提取，并用关键词问题句和其对应的自然语言问题句来训练一个含语言模型网络的问题重构模型来重构由步骤(1)判断为关键词问题句的问题；(4)将重构的问题句送入一个训练好的问答模型中，得到答案；(5)利用强化学习，以步骤(4)中预测答案和标准答案的相似度作为奖励函数来优化步骤(3)中的重构模型。利用本发明，可以大大提升了在大规模数据集上关键词问答任务的准确率。 | ||
| 搜索关键词： | 一种 基于 语言 模型 强化 学习 关键词 问答 方法 | ||
【主权项】：
1.一种基于语言模型和强化学习的关键词问答方法，其特征在于，包括以下步骤：(1)用关键词问题句和自然语言问题句的混合数据集来训练一个关键词问题分类器，用于对问题句进行分类；(2)在自然语言问题句的数据集上预训练一个语言模型；(3)提取步骤(2)中语言模型的高层网络，建立一个包含语言模型高层网络的问题重构模型，并用关键词问题句和其对应的自然语言问题句来训练问题重构模型；(4)使用训练好的问题重构模型对数据集中由关键词问题分类器分类得到的关键词问题句进行重构；(5)训练一个问答模型，将重构后的关键词问题句输入问答模型，得到预测答案，并以预测答案与标准答案的相似度F1值作为奖励函数，用强化学习来优化问题重构模型；(6)问题重构模型训练完毕，将待测试的问题句输入关键词问题分类器，如果是自然语言问题，则直接输入问答模型，如果是关键词问题句，则先输入问题重构模型进行重构后再输入问答模型，最后得出问题的答案。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江大学，未经浙江大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910274243.7/，转载请声明来源钻瓜专利网。
