[发明专利]一种问题生成方法在审
| 申请号： | 201810762281.2 | 申请日： | 2018-07-12 |
| 公开（公告）号： | CN108897894A | 公开（公告）日： | 2018-11-27 |
| 发明（设计）人： | 赵豫;叶茂;徐培;苏杨 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06F17/27 |
| 代理公司： | 成都虹盛汇泉专利代理有限公司 51268 | 代理人： | 王伟 |
| 地址： | 611731 四川省成*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 向量 传播 人工智能领域 神经网络应用 非数据库 神经网络 文本文档 误差传播 分词 匹配 终端 输出 转换 灵活 重复 网络 保证 | ||
【权利要求书】：
1.一种问题生成方法，其特征在于，包括以下步骤：
步骤1，对文本文档进行分词；
步骤2，将分词后的文本文档转换为向量；
步骤3，构建BP神经网络，输入向量，基于误差逆向传播算法对所述BP神经网络进行训练；
步骤4，当所述BP神经网络的误差小于预设误差阈值时，所述BP神经网络训练完成，得到问题生成网络模型。
2.如权利要求1所述的问题生成方法，其特征在于，所述步骤1中，应用jieba分词算法对文本文档进行分词。
3.如权利要求1所述的问题生成方法，其特征在于，所述步骤2中，应用word2vec模型将分词后的文本文档转换为向量。
4.如权利要求3所述的问题生成方法，其特征在于，所述步骤2中，应用skip-gram模型将分词后的文本文档转换为向量。
5.如权利要求1所述的问题生成方法，其特征在于，所述步骤4包括以下流程：
步骤41，判断所述BP神经网络的误差是否小于预设误差阈值；
步骤42，当所述BP神经网络的误差不小于预设误差阈值时，更新所述BP神经网络中的权值，对所述BP神经网络训练进行训练；
步骤43，当所述BP神经网络的误差小于预设误差阈值时，保存所述BP神经网络中的参数，得到问题生成网络模型。
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电子科技大学，未经电子科技大学许可，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/pat/books/201810762281.2/1.html，转载请声明来源钻瓜专利网。
