[发明专利]一种基于图推理模型的答案预测方法及装置

权利要求书

1.一种基于图推理模型的答案预测方法，其特征在于，包括以下步骤：

步骤1，接收问题和支持文档集和候选集，问题的形式为，其中，是实体对象，是实体对象和未知右实体之间的关系，所述未知右实体就是需要从候选集中选择的答案；

步骤2，通过文本瘦身筛选掉支持文档集中不相关的文档，并对所有的文本进行语义编码；

步骤3，使用多种注意力机制进行多种文本的语义交互和图节点的初始化；

步骤4，基于构建的图，使用图神经网络信息传递算法进行多跳推理；

步骤5，基于更新后的图节点表示，为每个候选计算用于预测答案的分数；

步骤6，根据所述预测答案的分数分布结果，预测未知右实体；

步骤3中所述的图节点的初始化包括以下步骤：

步骤301，通过实体抽取获得所需的实体；

步骤302，把实体、候选、句子分别和问题进行语义交互以更新各自的向量表示；

步骤303，使用一层自注意力来获取基于实体、候选和句子的图节点初始表示。

2.根据权利要求1所述的一种基于图推理模型的答案预测方法，其特征在于，步骤2中所述的文本瘦身是指，在问题的辅助下，使用两层的TF-IDF算法挑选出相关文档，包括以下步骤：

步骤201，在第一层TF-IDF算法中，计算支持文档集中每个文档和问题的TF-IDF余弦相似度并取出具有最大余弦相似度的文档；

步骤202，在第二层TF-IDF算法中，计算上一层取出的文档和所有剩下所有文档的TF-IDF余弦相似度；

步骤203，根据所述余弦相似度的大小给所有文档排序，取出前N-1个文档，N为自定义阈值；

步骤204，从支持文档集取出的全部文档组成新的支持文档集，其中，表示第i个文档。

3.根据权利要求2所述的一种基于图推理模型的答案预测方法，其特征在于，步骤2中所述的语义编码是指，使用预训练的语言模型用作编码器，将支持文档集、问题和候选中的每个词块转化为固定长度的向量，同时文本的语义也在这个过程被编码并存储在向量之中，包括以下步骤：

步骤205，给定一个编码器，文档集和问题通过如下公式被编码：，，其中，返回编码器对输入变量编码后的结果，，分别是文档集和问题的序列表示，表示返回文本序列的长度，是编码器隐状态的维度，表示维度；

步骤206，取出候选在中对应的编码，从而获得的编码表示，其中，为候选集中的任意一个候选，为候选的个数；

步骤207，把文档划分为句子，并取出中相应的向量用作句子的语义编码；

步骤208，获得基于句子的文档集语义编码，其中表示第i个句子的语义编码，是文档集中包含的句子总数，是句子的序列长度。