[发明专利]深度学习神经网络及训练、预测方法、系统、设备、介质

摘要

本发明适用计算机技术领域，提供了一种深度学习神经网络及训练、预测方法、系统、设备、介质，在训练阶段，将训练用问题及答案文本转化为序列后进行拼接，将拼接所得组合序列输入神经网络中，处理得到一部分关键词汇向量，并且将问题序列输入神经网络中，处理得到另一部分关键词汇向量，然后按照概率分布，将这些关键词汇向量构成结果文本所对应的序列，利用答案文本序列及处理得到的向量或序列对神经网络进行参数更新；预测阶段类似，区别在于组合序列是由问题文本序列与从问题文本中某些关键词汇对应向量拼接而成。这样，利用深度学习神经网络能根据问题语义灵活地提供答案，从而满足多样性及灵活性要求，同时能提高处理速度，保证实时性。

主权项

1.一种深度学习神经网络的训练方法，其特征在于，包括：获得包含词汇的训练用问题文本及答案文本；将所述词汇向量化，以由所述问题文本得到问题文本序列，由所述答案文本得到答案文本序列，并将所述问题文本序列与所述答案文本序列进行拼接，得到组合文本序列；利用所述组合文本序列、所述问题文本序列、所述答案文本序列以及包含所述词汇的词字典空间，对用于从所述问题文本预测得到结果文本的深度学习神经网络进行训练，其中，所述深度学习神经网络对所述组合文本序列进行处理，得到与包含于所述问题文本及所述答案文本中的第一词汇相对应的第一词汇向量，对所述问题文本序列依次进行编码及解码，得到与包含于所述词字典空间中且不同于所述第一词汇的第二词汇相对应的第二词汇向量，所述第一词汇与所述第二词汇用于构成所述结果文本，并且，依据所述第一词汇向量与所述第二词汇向量的概率分布，输出包含所述第一词汇向量及所述第二词汇向量的、与所述结果文本对应的结果文本序列。