申请/专利权人：江苏省农业科学院

申请日：2020-12-22

公开（公告）日：2024-05-14

公开（公告）号：CN112527999B

主分类号：G06F16/332

分类号：G06F16/332;G06F40/289

优先权：

专利状态码：有效-授权

法律状态：2024.05.14#授权;2021.04.06#实质审查的生效;2021.03.19#公开

摘要：本发明公开了一种引入农业领域知识的抽取式智能问答方法及系统，抽取式智能问答方法包括以下步骤：S1、获取技术文章，构建文档资源库；S2、检索文档资源库中与问题相关的关联文档，并构建问题文章组合对数据；S3、根据问题文章对进行问句与文章预训练语言模型Bert编码；S4、将知识图谱数据嵌入Bert模型；S5、将问句与文章编码向量进行自注意力交互层运算，并将问句与文章编码向量与自注意力交互向量进行拼接，得到拼接后的关系向量；S6、将拼接后的关系向量作为答案预测层的输入向量，进行答案位置的预测，并将答案输出给用户。本发明的抽取式智能问答方法，有效提高了抽取式机器阅读理解模型在智能问答过程中答案抽取的准确率。

主权项：1.一种引入农业领域知识的抽取式智能问答方法，其特征在于，包括以下步骤：S1、获取技术文章，构建基于所述技术文章的文档资源库；S2、针对用户提出的问题，检索所述文档资源库中与所述问题相关的关联文档，并构建问题文章组合对数据；S3、根据所述问题文章组合对数据进行问句与文章预训练语言模型Bert编码，得到编码后的隐藏层编码向量，并将所述隐藏层编码向量作为所述问题文章组合对数据的初始编码；S4、构建知识图谱数据，将所述知识图谱数据嵌入Bert模型，获得知识表示向量，并将所述知识表示向量与所述初始编码合并后输出问句与文章编码向量；S5、将所述问句与文章编码向量进行自注意力交互层运算，得到自注意力交互向量，并将所述问句与文章编码向量与所述自注意力交互向量进行拼接，得到拼接后的关系向量；S6、将拼接后的所述关系向量作为答案预测层的输入向量，进行答案位置的预测，并将答案输出给用户；其中，所述步骤S4包括：S41、基于深度学习的实体关系抽取技术，将知识图谱以知识三元组的形式存储，构建成所述知识图谱数据；S42、对所述知识图谱数据进行训练，将知识图谱中的实体和关系数据转换为稠密低维的分布式表示向量；S43、对所述问题文章组合对数据进行实体识别，获得与实体对应的知识表示向量；S44、将所述知识表示向量与Bert模型输出的所述隐藏层编码向量合并，并将合并后的向量输入到Bert模型中编码运算，得到所述问句与文章编码向量。

全文数据：

权利要求：

百度查询： 江苏省农业科学院 引入农业领域知识的抽取式智能问答方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD