[发明专利]输出回复信息的方法、深度学习模型的训练方法及装置

权利要求书

1.一种输出回复信息的方法，其特征在于，包括：

获取待回复信息；

对所述待回复信息进行维度转化，以降低所述待回复信息的向量维度，获得低维信息；

采用深度学习模型计算所述低维信息，以生成回复信息；

在所述对所述待回复信息进行维度转化之前，还包括：对所述待回复信息以字符为单位进行划分；

所述对所述待回复信息进行维度转化，包括：对划分后的所述待回复信息逐字符进行维度转化；

所述采用深度学习模型计算所述低维信息，以生成回复信息，包括：基于所述深度学习模型中的词表，逐字符计算所述低维信息，以生成回复信息，其中，所述词表为以字符为单位训练生成的词表；

按倒序的顺序逐字符计算所述低维信息；

当需要执行指数运算时，在预设的指数表中查表确定所述指数运算的结果，其中，所述指数表包括指数数值范围与计算结果的映射关系；

当需要进行运算时，采用矩阵向量运算库优化矩阵和向量运算；

所述对所述待回复信息进行维度转化，以降低所述待回复信息的向量维度，获得低维信息，包括：通过嵌入层对所述待回复信息进行维度转化，以降低所述待回复信息的向量维度，获得所述低维信息，其中，所述嵌入层位于所述深度学习模型的输入层与隐藏层之间；

在所述获得低维信息之后，还包括：将所述低维信息输入所述隐藏层;

所述采用深度学习模型计算所述低维信息，包括：采用深度学习模型在所述隐藏层计算所述低维信息。

2.如权利要求1所述的方法，其特征在于，所述对所述待回复信息进行维度转化，以降低所述待回复信息的向量维度，获得低维信息，包括：

将所述待回复信息转换为用向量表示的输入向量；

降低所述输入向量的向量维度，以获得所述低维信息。

3.如权利要求1所述的方法，其特征在于，所述词表是以问答对为训练样本，将所述问答对以字符为单位拆分后逐字符训练生成的词表。

4.如权利要求3所述的方法，其特征在于，所述词表为将所述问答对以字符为单位拆分，按预设规则筛选出有效字符组后，对所述有效字符组逐字符训练生成的词表。

5.如权利要求1-4任一所述的方法，其特征在于，所述方法应用于客户端。

6.如权利要求1-4任一所述的方法，其特征在于，所述深度学习模型为长短时记忆模型。

7.一种深度学习模型的训练方法，其特征在于，包括：

获取训练数据；

对所述训练数据进行维度转化，以降低所述训练数据的向量维度，获得低维数据；

采用深度学习模型训练所述低维数据，以优化所述深度学习模型；

在所述对所述训练数据进行维度转化之前，还包括：对所述训练数据以字符为单位进行划分；

所述对所述训练数据进行维度转化，包括：对划分后的所述训练数据逐字符进行维度转化；

所述采用深度学习模型，训练所述低维数据，以优化所述深度学习模型，包括：基于所述深度学习模型中的词表，逐字符训练所述低维数据，以优化所述词表，其中，所述词表为以字符为单位训练生成的词表；

按倒序的顺序逐字符计算所述低维数据；

当需要执行指数运算时，在预设的指数表中查表确定所述指数运算的结果，其中，所述指数表包括指数数值范围与计算结果的映射关系；

当需要进行运算时，采用矩阵向量运算库优化矩阵和向量运算；

所述对所述训练数据进行维度转化，以降低所述训练数据的向量维度，获得低维数据，包括：通过嵌入层对所述训练数据进行维度转化，以降低所述训练数据的向量维度，获得所述低维数据，其中，所述嵌入层位于所述深度学习模型的输入层与隐藏层之间；

在所述获得低维数据之后，还包括：将所述低维数据输入所述隐藏层；

所述采用深度学习模型训练所述低维信息，包括：采用深度学习模型在所述隐藏层训练所述低维信息。