[发明专利]一种人机交互训练问答生成算法

权利要求书

1.一种人机交互训练问答生成方法，其特征在于，包括以下步骤：

S1、根据输入的问题和对应的答案候选句子，通过分词和量化处理，提取句子的关键词及所述关键词在句子中的权重向量，得到以问题类型为根节点、关键词为叶子结点、关键词之间的联系为隐节点的带权有向图模型，优化所述图模型；步骤S1包括以下流程：

S11、获取问题Q和对应的答案候选句子S，通过分词和量化处理，提取得到句子的关键词，以及所述关键词在句子中的权重向量，并得到关键词和句子之间的关系序列ANS＝{KS(i,j)}，其中，KS(i,j)＝(K_i,S_j)，K_i表示提取的关键词集合中的第i个关键词，S_j表示与该关键词对应的第j个句子；

每个问题生成以问题类型为根节点、关键词为叶子结点、关键词之间的联系为隐节点的带权有向图模型，为Q＝(T,K,R)，其中，T表示问题类型，K表示对应关键词的节点，R表示关键词间关联关系的序列集，b_i表示关键词K_i子树所占的权重，β_i,k表示关键词K_i与句子S_k的关联程度；

S12、构造目标函数；

构造的两个目标函数为

其中，

G(R_i,j)＝b_i·GR_i²+b_j·GR_j²

其中，b_i、b_j为待求参数，表示关键词子树的权重；β_i,k为关键词K_i关联的句子S_k的权重向量；M_i为关键词K_i的关联句子的个数；f(s_k)表示句子S_k中含有的关键词对应的特征向量；Z为归一化系数；E(*)表示取期望值；两个目标函数采用交替优化来实现；

S13、优化目标函数，确定所述图模型的边权重；

优化过程中，根据求导得到

根据maxScore(T)求得b_i

先赋予b、β初始值，通过所述步骤S13更新b、β的值；

S14，判断迭代次数是否超过预设迭代次数阈值，若没超过所述预设迭代次数阈值，流程返回所述步骤S13继续进行迭代更新；若超过所述预设迭代次数阈值，得到优化后的图模型；

S2、根据优化后的图模型，得到规则序列，并对所述规则序列进行向量化；

S3、将向量化后的规则序列输入至长短期记忆网络(Long Short-Term Memory，LSTM)模型中进行训练，将训练得到的模型参数代入LSTM模型中，得到训练后的LSTM模型，输入问题至训练后的LSTM模型得到对应的答案句子。

2.如权利要求1所述的人机交互训练问答生成方法，其特征在于，所述步骤S3包括以下流程：

S31、将向量化后的规则序列输入至LSTM模型，进行训练；

S32、前向计算每个神经元的输出值，即f_t、i_t、c_t、o_t、h_t五个向量的值；c_t表示单元状态，o_t表示长期记忆对当前输出的影响，h_t表示LSTM模型最终的输出；

S33、反向计算每个神经元的误差项δ值；

S34、根据相应的误差项，计算每个权重的梯度；

S35、判断损失函数值是否达到预设阈值，若没有达到，流程返回所述步骤S32；若达到，得到训练后的LSTM模型；

S36、输入问题至训练后的LSTM模型得到对应的答案句子，得到问答对。