[发明专利]数据处理方法、装置和电子设备

权利要求书

1.一种数据处理方法，其特征在于，包括：

获取原问题；

将所述原问题输入到神经网络模型中，并利用所述神经网络模型确定所述原问题的第一长度和与所述原问题具有语义相关性的问题集合，其中，所述问题集合中的问题长度为对所述第一长度进行不同的长度调整得到的；

依据所述神经网络模型对应的受限条件对所述问题集合中的词进行修改，得到目标问题，其中，所述原问题与所述目标问题为相似问题，且所述原问题与所述目标问题对应同一答案。

2.根据权利要求1所述的方法，其特征在于，所述神经网络模型包括编码器和解码器，所述将所述原问题输入到神经网络模型中，包括：将所述原问题输入到所述编码器中进行编码，得到所述原问题中每个词对应的编码向量，以及得到所述原问题对应的语义向量。

3.根据权利要求2所述的方法，其特征在于，所述利用所述神经网络模型确定所述原问题的第一长度之后，所述方法还包括：将所述问题长度、所述编码向量以及所述语义向量输入到所述解码器中，通过所述解码器得到与所述原问题相似的所述目标问题。

4.根据权利要求3所述的方法，其特征在于，在所述将所述问题长度、所述编码向量以及所述语义向量输入到所述解码器之前，所述方法还包括：将所述问题长度与所述语义向量做乘积计算后，再将所述乘积计算后的结果和所述编码向量输入到所述解码器中进行解码。

5.根据权利要求1所述的方法，其特征在于，所述神经网络模型包括编码器和解码器，所述将所述原问题输入到神经网络模型中，包括：将所述原问题输入到所述编码器中进行位置编码，得到所述原问题中每个词的位置向量。

6.根据权利要求5所述的方法，其特征在于，在所述得到所述原问题中每个词的位置向量之后，所述方法还包括：将所述原问题中每个词的所述位置向量输入到所述解码器中，根据所述问题长度更新所述位置向量。

7.根据权利要求2至6中任意一项所述的方法，其特征在于，所述依据所述神经网络模型对应的受限条件对所述问题集合中的词进行修改，包括：所述问题集合中的词为所述解码器输出的词，修改从所述解码器中随机选取的输出的词的概率。

8.根据权利要求7所述的方法，其特征在于，所述修改从所述解码器中随机选取的输出的词的概率，包括：将从所述解码器中随机选取的输出的词的概率置为0。

9.一种数据处理装置，其特征在于，包括：

获取模块，用于获取原问题；

确定模块，用于将所述原问题输入到神经网络模型中，并利用所述神经网络模型确定所述原问题的第一长度和与所述原问题具有语义相关性的问题集合，其中，所述问题集合中的问题长度为对所述第一长度进行不同的长度调整得到的；

修改模块，用于依据所述神经网络模型对应的受限条件对所述问题集合中的词进行修改，得到目标问题，其中，所述原问题与所述目标问题为相似问题，且所述原问题与所述目标问题对应同一答案。

10.一种电子设备，其特征在于，包括：

存储器，用于存储程序指令；

处理器，与所述存储器连接，用于执行实现以下功能的程序指令：获取原问题；将所述原问题输入到神经网络模型中，并利用所述神经网络模型确定所述原问题的第一长度和与所述原问题具有语义相关性的问题集合，其中，所述问题集合中的问题长度为对所述第一长度进行不同的长度调整得到的；依据所述神经网络模型对应的受限条件对所述问题集合中的词进行修改，得到目标问题，其中，所述原问题与所述目标问题为相似问题，且所述原问题与所述目标问题对应同一答案。

11.一种非易失性存储介质，其特征在于，所述非易失性存储介质包括存储的程序，其中，在所述程序运行时控制所述非易失性存储介质所在设备执行权利要求1至8中任意一项所述数据处理方法。