[发明专利]基于人工智能的答案检索方法、装置、电子设备及介质

权利要求书

1.一种基于人工智能的答案检索方法，其特征在于，所述方法包括：

接收用户在搜索平台输入的问题语句，利用训练好的语义识别模型中的向量生成机制生成所述问题语句的相似语句向量，并利用所述训练好的语义识别模型中的语义识别机制从所述相似语句向量中提取所述问题语句的语义向量；

从预构建的向量数据库中匹配所述语义向量的问题向量；

从预构建的问答知识库中搜索所述问题向量的问题答案，并校验所述问题答案的时效性；

在所述时效性满足预设条件时，将所述问题答案返回至所述用户；

在所述时效性不满足所述预设条件时，更新所述问题向量的答案后返回至所述用户；

其中，所述利用训练好的语义识别模型中的向量生成机制生成所述问题语句的相似语句向量之前，还包括：获取训练语料，所述训练语料包括训练语句和其对应的真实相似语句；将所述训练语料输入至预构建语义识别模型中的向量生成机制，以输出所述训练语料的预测相似语句向量，并利用所述向量生成机制中的损失函数计算所述预测相似语句向量和其对应的真实相似语句的第一相似损失；利用所述预构建语义识别模型中的语义识别机制计算所述预测相似语句向量与其对应的训练语句的第二相似损失；根据所述第一相似损失和所述第二相似损失，计算所述预构建语义识别模型的最终相似损失；若所述最终相似损失大于预设相似损失，则重新调整所述预构建语义识别模型的参数，并返回执行所述将所述训练语料输入至预构建语义识别模型中的向量生成机制的步骤；若所述最终相似损失不大于所述预设相似损失，则得到训练好的语义识别模型；

所述利用所述预构建语义识别模型中的语义识别机制计算所述预测相似语句向量与其对应的训练语句的第二相似损失，包括：构建所述预测相似语句向量的句向量矩阵，并对所述句向量矩阵进行归一化，得到归一化向量矩阵；对所述归一化向量矩阵进行内积，得到相似度向量矩阵，并将所述相似度向量矩阵进行维度扩充，得到高维相似度向量矩阵；利用所述语义识别机制中的损失函数计算所述高维相似度向量矩阵与其对应的训练语句的第二相似损失；

所述第一相似损失的计算公式为：

其中，loss1表示第一相似损失，k表示训练语料的数量，y_i表示预测相似语句向量，y’_i表示真实相似语句的向量；

所述第二相似损失的计算公式为：

其中，loss2表示第二相似损失，b表示预测相似语句向量的样本数量，y(x_i)表示训练语句的向量，表示高维相似度向量矩阵；

所述最终相似损失的计算公式为：

loss＝αloss1+βloss2

其中，loss表示最终相似损失，α、β为可调节的超参数，取值范围在[0,1]。

2.如权利要求1所述的基于人工智能的答案检索方法，其特征在于，所述将所述训练语料输入至预构建语义识别模型中的向量生成机制，以输出所述训练语料的预测相似语句向量，包括：

利用所述向量生成机制中的编码器对所述训练语料进行位置向量编码，得到编码向量语料；

利用所述向量生成机制中的掩码层对所述编码向量语料进行掩码，得到掩码向量语料；

利用所述向量生成机制中的解码器对所述掩码向量语料进行序列解码，得到所述训练语料的预测相似语句向量。

3.如权利要求1所述的基于人工智能的答案检索方法，其特征在于，所述从预构建的向量数据库中匹配所述语义向量的问题向量，包括：

计算所述语义向量与所述预构建的向量数据库中向量的相似度，将所述相似度大于预设相似度的向量作为所述语义向量的问题向量。

4.如权利要求1至3中任意一项所述的基于人工智能的答案检索方法，其特征在于，所述从预构建的问答知识库中搜索所述问题向量的问题答案，包括：

根据所述问题向量的向量字段，向所述预构建的问答知识库中匹配问题字段，并将匹配成功的问题字段对应的答案作为所述问题向量的问题答案。