[发明专利]一种面向答案选择的多角度注意力特征匹配方法及系统

权利要求书

1.一种面向答案选择的多角度注意力特征匹配方法，其特征在于：执行如下步骤i至步骤viii，获得问题答案分类模型，以及应用问题答案分类模型，执行步骤A至步骤C，获得目标问题基于其各候选答案中所对应的目标答案；

步骤i.基于预设数量的各样本问题、各样本问题分别所对应的各样本候选答案，以及各样本问题分别基于其各样本候选答案中所对应的目标样本答案，构建样本数据集，然后进入步骤ii；

步骤ii.针对各样本问题，获得各样本问题分别所对应彼此相同长度的各向量集合，进而获得各样本问题分别所对应的向量集合；以及针对各样本候选答案，获得各样本候选答案分别所对应彼此相同长度的各向量集合，进而获得各样本候选答案分别所对应的向量集合；然后以样本问题所对应向量集合分别与其各样本候选答案所对应向量集合，构建该样本问题所对应的各样本处理对象组，进而获得各样本问题分别所对应的各样本处理对象组，并进入步骤iii；

步骤iii.基于预设第一网络、预设第二网络，以处理对象组为输入，处理对象组中问题与候选答案分别所对应彼此维度相同的特征编码矩阵为处理对象组的更新输出，分别构建彼此输出维度相同的第一特征提取网络、第二特征提取网络，第一特征提取网络、第二特征提取网络用于同时接收相同处理对象组，并分别执行处理，然后进入步骤iv；

步骤iv.构建拼接模块，拼接模块的输入端同时对接第一特征提取网络的输出端、第二特征提取网络的输出端，拼接模块用于实现第一特征提取网络与第二特征提取网络所输出相同处理对象组的拼接，执行该处理对象组中问题分别对应第一特征提取网络、第二特征提取网络输出的特征编码矩阵之间的拼接，获得该处理对象组中问题对应的拼接特征编码矩阵，以及执行该处理对象组中候选答案分别对应第一特征提取网络、第二特征提取网络输出的特征编码矩阵之间的拼接，获得该处理对象组中候选答案对应的拼接特征编码矩阵；进而构成拼接处理对象组；然后进入步骤v；

步骤v.构建局部特征提取模块，局部特征提取模块的输入端对接拼接模块的输出端，用于接收来自拼接模块的拼接处理对象组，并基于拼接处理对象组中问题与候选答案分别对应拼接特征编码矩阵之间的相似度，获得拼接处理对象组中问题与候选答案分别对应的局部特征矩阵，构成局部特征处理对象组；

同时，构建相似矩阵模块，相似矩阵模块的输入端对接拼接模块的输出端，用于接收来自拼接模块的拼接处理对象组，应用拼接处理对象组中问题与候选答案分别对应拼接特征编码矩阵之间的余弦距离值，加上与拼接特征编码矩阵维度相同的权重矩阵，构成拼接处理对象组所对应的相似度；

然后进入步骤vi；

步骤vi.构建矩阵组合模块，矩阵组合模块的输入端同时对接局部特征提取模块的输出端、相似矩阵模块的输出端，矩阵组合模块用于针对局部特征提取模块输出拼接处理对象组所对应的局部特征处理对象组，结合相似矩阵模块输出对应拼接处理对象组的相似度，获得该拼接处理对象组所对应的综合处理对象组，然后进入步骤vii；

步骤vii.构建矩阵组合模块的输出端对接全连接层，即基于第一特征提取网络、第二特征提取网络、拼接模块、局部特征提取模块、相似矩阵模块、矩阵组合模块、全连接层的连接，构建问题答案分类初始模型，然后进入步骤viii；

步骤viii.以各样本处理对象组为输入，各样本处理对象组中样本问题对应样本候选答案的概率为输出，结合各样本问题分别基于其各样本候选答案中所对应的目标样本答案，以及相似矩阵模块中权重矩阵的调整，针对问题答案分类初始模型进行训练，获得问题答案分类模型；

步骤A.针对目标问题、以及其所对应的各个候选答案，按步骤ii的方法，获得目标问题分别所对应的各处理对象组，然后进入步骤B；

步骤B.针对目标问题分别所对应的各处理对象组，应用问题答案分类模型进行处理，获得各处理对象组中目标问题对应候选答案的概率，即获得目标问题分别对应其各候选答案的概率，然后进入步骤C；

步骤C.基于目标问题分别对应其各候选答案的概率，选择最高概率所对应的候选答案，即为目标问题所对应的目标答案。