本发明提供一种基于对偶视图对比学习的会话推荐方法，该方法以非均匀会话序列的时间间隔序列作为时间间隔信息增强的依据，对非均匀会话序列进行数据增强操作，从而得到时间间隔均匀的增强会话序列，能够充分挖掘会话内的信息，以提高推荐准确性，本发明构建了超图卷积网络编码器和Transformer编码器相结合的对偶视图编码器，能够从多视角捕捉会话间的隐藏高阶关系，丰富了推荐的多样性，此外，本发明采用原始会话序列和会话间的增强会话嵌入进行对比学习，优化对比推荐模块的模型参数，能够缓解无关项目对于会话嵌入的影响，有效增强模型泛化性。
📄 2024114561749
📂 G06F16_3329
👤 江西财经大学
📅 2024-10-18
本发明公开一种基于多层次复制和感知损失的自然语言答案生成方法、装置及介质，所述方法包括：根据预先获取的自然语言问题和三元组，将其分别输入到对应的编码层中，得到自然语言问题和三元组的向量表示。该基于多层次复制和感知损失的自然语言答案生成方法、装置及介质，以智能QA系统中的自然语言答案生成为研究对象，针对现有方法生成无意义响应和问答不匹配的问题，提出了基于多层次复制和预测机制的解码器，同时复制问题和三元组中的相关语义单位，并从词汇表中预测常用词汇，从而根据用户需求生成符合语法、语境的自然语言答案序列，以为下一步做复杂多轮对话奠定了理论基础。
📄 2023109588817
📂 G06F16_3329
👤 南京晓庄学院
📅 2023-07-31
本发明涉及一种基于用户个性化的对话回复生成方法及其模型。本发明所述的对话回复生成方法包括：S1、获取当轮输入语句与历史输入语句中包含的个性化信息的匹配程度得分；S2、根据所述匹配程度得分，得到个性化信息选择性保存向量；S3、根据个性化信息选择性保存向量，得到用户个性化表征向量；在获得用户个性化表征向量后，根据用户个性化表征向量，在候选知识语句中选择最符合用户个性的知识语句，再利用所选择的知识语句，生成对话回复语句。本发明的方案，无须引入外部的对话者信息标注数据来获得用户的个性化信息，从而降低了对话系统的数据处理的负担，并且提高了对话系统的灵活性和应用范围。
📄 2023101912009
📂 G06F16_3329
👤 华南师范大学
📅 2023-03-01
本发明涉及一种对话回复生成方法，其包括步骤：S12：根据历史选择知识向量计算选择感知向量；S13：根据选择感知向量和历史选择知识向量计算知识流趋势向量；S14：将选择感知向量和候选知识向量进行比较，获得比较信息；S15：对上下文语句进行编码，获得上下文向量；S20：根据候选知识向量、知识流趋势向量、比较信息和上下文向量计算知识选择分布；S30：根据知识选择分布计算每个候选知识向量的注意力得分，并将注意力得分最高的候选知识向量作为当前选择知识向量；S40：根据上下文向量和当前选择知识向量计算历史解码状态向量，并根据历史解码状态向量和历史生成词计算当前时刻的解码状态向量；S50：计算当前时刻的目标生成概率。
📄 2022109759943
📂 G06F16_3329
👤 华南师范大学
📅 2022-08-15
本申请所述方法针对表格问答系统中表格检索部分，提出了一种利用问句实现关联表格检索的方法与装置，该方法可以为问句匹配出最相关的表格。方法包括：根据问句和表格，分别计算问句中的词在表格中出现的频率，及表格中的词在问句中出现的频率；对问句和表格进行词嵌入向量表示；将问句与表格的词嵌入表示向量和计算频率进行融合，进而得到问句与表格的融合向量；最后融合向量将被用于计算问句与表格的相似性。
📄 2021115869861
📂 G06F16_3329
👤 浙江工业大学
📅 2021-12-23
一种基于部首特征和多层注意力机制的中文自动问答方法，包括以下步骤：步骤1、对数据集进行预处理；步骤2、得到词嵌入矩阵，通过随机初始化得到部首嵌入矩阵；步骤3、通过词嵌入和部首嵌入将词语分别转化为向量表示，在词语向量后追加语言学特征；步骤4、将文档向量序列问题向量序列分别输入至不同的双向RNN网络进行编码；步骤5、根据文档向量序列与问题向量，依次计算得到答案开始和结束边界的概率，生成目标概率分布，步骤6、使用数据集对模型训练N轮，通过计算损失并对参数进行更新，使用mini‑batch策略对模型进行训练，使用模型对给定的一个文档和与之相关的问题进行处理，预测得到答案。本发明提高了自动问答的准确率。
📄 2021113251582
📂 G06F16_3329
👤 浙江工业大学
📅 2021-11-10
基于拼音嵌入增强和多层信息融合的中文机器阅读理解方法和装置，其方法包括：S1：对数据集预处理；S2：中文分词操作，获得拼音嵌入向量PE；S3：将段落和问题拼接，输入到BERT，得到词嵌入向量Etoken；S4：基于拼音嵌入PE和词嵌入Etoken，通过全连接层，再与段嵌入Eseg和位置嵌入Epos相加，得到嵌入向量w；S5：进行BERT编码，得到编码向量表示；S6：将编码向量表示与词嵌入表示进行多层注意力融合，得到融合低层级问题语义信息的上下文表示向量；S7：进行多层注意力融合计算，得到融合高层级问题语义信息的上下文表示向量；S8：利用编码器的自注意力，得到融合多层信息的上下文语义向量；S9：预测答案起始点和结束点的概率分布，选择概率最大的组合确定答案跨度。
📄 2024105675609
📂 G06F16_3329
👤 浙江工业大学
📅 2024-05-09
本公开的实施例公开了建筑知识问答系统和建筑知识答复信息生成方法。该系统的一具体实施方式包括：客户端、服务器、数据库服务器，其中：数据库服务器被配置成创建建筑知识库与建筑知识图谱；客户端被配置成将建筑知识需求信息发送至服务器；服务器被配置成执行：提取建筑知识需求信息对应的深度语义信息；数据库服务器进一步被配置成检索所创建的建筑知识库与建筑知识图谱；服务器进一步被配置成执行以下步骤：将建筑知识需求信息、意图识别信息与建筑知识库查询信息输入至建筑知识问答模型；将实体概念信息集与初始建筑知识答复信息确定为建筑知识答复信息；将建筑知识答复信息发送至客户端。该实施方式提高了建筑知识答复信息的准确性。
📄 202410876685X
📂 G06F16_3329
👤 铯镨科技有限公司
📅 2024-07-02
本发明公开了一种基于文本隐喻处理和情感感知的教育自动问答方法，属于文本处理技术领域，包括以下步骤：S1、采集用户的问题文本，并输出问题处理结果；S2、根据问题处理结果，生成隐喻理解能力；S3、为用户生成情感状态；S4、根据隐喻理解能力和情感状态，输出适应后的知识；S5、根据隐喻理解能力和情感状态，生成隐喻情感联合集合；S6、根据适应后的知识和隐喻情感联合集合，生成最终回答。本发明构建了专门面向教育领域的隐喻知识库和处理模型，提高了系统对教育特定隐喻的理解和生成能力。
📄 202510673081X
📂 G06F16_3329
👤 广东海洋大学
📅 2025-05-23
本发明涉及一种结合大模型与图神经网络的知识图谱问答方法，包含问题分解模块、子问题解决模块、答案推理模块，其中在问题分解模块中本发明提出一种迭代式的问题分解方式，用以解决图神经网络方法在多跳问题中问题子图大小难以确定的困境，子问题解决模块又由问题子图检索阶段与推理路径构建阶段组成，问题子图检索阶段中本发明给出一种相似度定义方式并通过Personalized PageRank算法进行计算，同时为了提高GNN回答的准确率，后续问题的问题子图都会合并上之前问题的问题子图，以实现问题子图的动态扩展。推理路径构建阶段首先通过预训练好的图神经网络获得候选答案，然后利用BFS算法构建推理路径。最终通过答案推理模块来判断推理路径的合理性以给出子问题答案。本发明提供了一种结合大模型和图神经网络的知识图谱问答框架，有效地提升了模型在多跳问题上的表现。
📄 2024117878572
📂 G06F16_3329
👤 杭州电子科技大学
📅 2024-12-06
本发明公开了一种使用两阶段检索的文本多跳推理问答方法，及自然语言处理技术领域，方法包括两个模块。首先，在上下文感知知识检索器模块中，使用具有掩码机制的双编码器框架进行预训练，再将学习到的假设和知识的表示基于句子级密集检索获得候选核心知识。其次，在实体感知知识验证模块中，通过实体级稀疏矩阵确定假设和知识的可达性，将用于进一步验证核心知识和假设之间是否存在支撑关系。本方法将上下文感知和实体感知的知识检索方法结合应用到推理过程中，改进以实体为中心的推理的盲目性，使模型同时考虑假设和知识之间的上下文语义匹配和实体概念影响。在需要复杂多跳的科学问答领域中，具有明显的性能优势。
📄 2022111040399
📂 G06F16_3329
👤 河北纬坤电子科技有限公司
📅 2022-09-09
本发明提供一种基于参数共享的自然语言理解方法，涉及音频处理技术领域。本发明通过建立具备多个编码器的自然语言理解模型，并在反向传播时按照预设顺序依次对编码器中的参数进行更新共享，从而实现低计算量、低功耗、高识别率等优点。使用参数共享的方法来构建自然语言理解模型，通过参数共享的方式在不增加网络参数的前提下，加深网络深度，从而使得模型具有更好的非线性，能拟合更为负责的训练数据。将自然语言理解的输出意图进行再编码表示后，与语义槽的特征向量进行交互。从而达到通过意图列表约束语义槽输出的目的。本发明设计所有算法模型都可部署在同一、离线、本地的存储介质上，且无需与云服务器进行交互。
📄 2022112154768
📂 G06F16_3329
👤 杭州芯声智能科技有限公司
📅 2022-09-30
柿子坊 · 知识产权运营
柿子坊知识产权运营平台