-
公开(公告)号：CN114385803A
公开(公告)日：2022-04-22
申请号：CN202210034681.8
申请日：2022-01-13
Applicant: 重庆邮电大学
IPC: G06F16/332 , G06F16/242 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明属于自然语言处理技术与机器阅读理解领域，具体涉及一种基于外部知识和片段选择的抽取式阅读理解方法，包括获取数据并对数据进行预处理；将预处理后数据送入训练好的抽取式阅读理解模型，通过抽取式阅读理解模型输出针对数据的问题的最佳答案；抽取式阅读理解模型包括SpanBERT编码模块、外部知识融合模块以及片段选择模块；本发明采用SpanBERT模型对文本和问题进行处理，处理后判断问题是否可回答，提高了识别不可回答问题的准确率，减少错误概率，同时在SpanBERT模型中利用了融合外部知识信息的多头注意力机制，丰富了文本和问题的特征表示，使用片段选择方法处理文本中存在多个相同答案内容情况，取得更好的模型抽取效果，提升了出去答案的准确率。
-
公开(公告)号：CN114385803B
公开(公告)日：2024-08-06
申请号：CN202210034681.8
申请日：2022-01-13
Applicant: 重庆邮电大学
IPC: G06F16/332 , G06F16/242 , G06F18/22 , G06F18/25 , G06N3/045
Abstract: 本发明属于自然语言处理技术与机器阅读理解领域，具体涉及一种基于外部知识和片段选择的抽取式阅读理解方法，包括获取数据并对数据进行预处理；将预处理后数据送入训练好的抽取式阅读理解模型，通过抽取式阅读理解模型输出针对数据的问题的最佳答案；抽取式阅读理解模型包括SpanBERT编码模块、外部知识融合模块以及片段选择模块；本发明采用SpanBERT模型对文本和问题进行处理，处理后判断问题是否可回答，提高了识别不可回答问题的准确率，减少错误概率，同时在SpanBERT模型中利用了融合外部知识信息的多头注意力机制，丰富了文本和问题的特征表示，使用片段选择方法处理文本中存在多个相同答案内容情况，取得更好的模型抽取效果，提升了出去答案的准确率。
-
公开(公告)号：CN114444519A
公开(公告)日：2022-05-06
申请号：CN202210078557.1
申请日：2022-01-24
Applicant: 重庆邮电大学
IPC: G06F40/35 , G06F16/35 , G06F40/166 , G06N3/04 , G06N3/08
Abstract: 本发明属于自然语言处理领域，具体涉及一种基于Seq2Seq模型的情感对话生成方法；该方法包括：获取对话数据，采用情感分类器对对话数据进行分类，得到不同情感类别的对话数据，对话数据包括提问语句和回复语句；采用指定情感类别的对话数据对对话生成模型进行训练，得到训练好的Seq2Seq模型；用户将提问内容和指定情感类别输入到训练好的Seq2Seq模型中，得到带有指定情感的回复语句；本发明引入情感指导机制和生成对抗网络对对话生成模型进行训练，极大加强了对话生成模型所生成语句的情感准确率以及保证了生成语句的质量；本发明能在提高情感准确率的情况下不降低生成语句质量，具有广阔的应用前景。
-
公开(公告)号：CN114444519B
公开(公告)日：2024-08-02
申请号：CN202210078557.1
申请日：2022-01-24
Applicant: 重庆邮电大学
IPC: G06F40/35 , G06F16/35 , G06F40/166 , G06N3/0455 , G06N3/0442 , G06N3/08
Abstract: 本发明属于自然语言处理领域，具体涉及一种基于Seq2Seq模型的情感对话生成方法；该方法包括：获取对话数据，采用情感分类器对对话数据进行分类，得到不同情感类别的对话数据，对话数据包括提问语句和回复语句；采用指定情感类别的对话数据对对话生成模型进行训练，得到训练好的Seq2Seq模型；用户将提问内容和指定情感类别输入到训练好的Seq2Seq模型中，得到带有指定情感的回复语句；本发明引入情感指导机制和生成对抗网络对对话生成模型进行训练，极大加强了对话生成模型所生成语句的情感准确率以及保证了生成语句的质量；本发明能在提高情感准确率的情况下不降低生成语句质量，具有广阔的应用前景。
-
-
-
Search Results
4
records
(took 0.016 seconds)
