本申請涉及人工智能，具體涉及一種人工智能問答方法及裝置。

背景技術(shù)：

1、現(xiàn)有基于知識圖譜的問答技術(shù)主要通過融合知識圖譜中的知識與預(yù)訓(xùn)練語言模型以提高語言模型在知識問答等相關(guān)任務(wù)上的準(zhǔn)確性。但是現(xiàn)有技術(shù)對預(yù)訓(xùn)練語料比較敏感，泛化能力相對較差。現(xiàn)有技術(shù)需要利用外部訓(xùn)練語料聯(lián)合建模知識圖譜中的知識三元組，其中部分知識三元組在預(yù)訓(xùn)練語料中不出現(xiàn)，在這些知識三元組上現(xiàn)有技術(shù)建模能力較差，在與之相關(guān)的問題上回答準(zhǔn)確性較差，導(dǎo)致人工智能問答的準(zhǔn)確率較低。

2、也即，現(xiàn)有技術(shù)中人工智能問答的準(zhǔn)確率較低。

技術(shù)實現(xiàn)思路

1、本申請實施例提供一種人工智能問答方法及裝置，可以提高人工智能問答的準(zhǔn)確率。

2、第一方面，本申請?zhí)峁┑娜斯ぶ悄軉柎鸱椒ǎǎ?/p>

3、獲取待回答問題；

4、基于所述待回答問題在預(yù)設(shè)知識圖譜上檢索，得到所述待回答問題的候選答案；

5、在所述待回答問題的候選答案的數(shù)量為至少兩個的情況下，將至少兩個所述候選答案和所述待回答問題分別拼接并輸入知識適配模塊，得到至少兩個所述表征向量，其中，所述知識適配模塊根據(jù)預(yù)設(shè)訓(xùn)練集訓(xùn)練得到，所述預(yù)設(shè)訓(xùn)練集由所述預(yù)設(shè)知識圖譜的知識三元組構(gòu)建得到；

6、基于至少兩個所述表征向量從至少兩個所述候選答案中確定所述待回答問題對應(yīng)的預(yù)測答案。

7、第二方面，本申請?zhí)峁┑娜斯ぶ悄軉柎鹧b置，包括：

8、獲取模塊，用于獲取待回答問題；

9、檢索模塊，用于基于所述待回答問題在預(yù)設(shè)知識圖譜上檢索，得到所述待回答問題的候選答案；

10、表征模塊，用于在所述待回答問題的候選答案的數(shù)量為至少兩個的情況下，將至少兩個所述候選答案和所述待回答問題分別拼接并輸入知識適配模塊，得到至少兩個所述表征向量，其中，所述知識適配模塊根據(jù)預(yù)設(shè)訓(xùn)練集訓(xùn)練得到，所述預(yù)設(shè)訓(xùn)練集由所述預(yù)設(shè)知識圖譜的知識三元組構(gòu)建得到；

11、確定模塊，用于基于至少兩個所述表征向量從至少兩個所述候選答案中確定所述待回答問題對應(yīng)的預(yù)測答案。

12、第三方面，本申請?zhí)峁┑碾娮釉O(shè)備，包括存儲器和處理器，存儲器存儲有計算機程序，處理器用于運行存儲器內(nèi)的計算機程序，實現(xiàn)本申請所提供的人工智能問答方法中的步驟。

13、第四方面，本申請?zhí)峁┑挠嬎銠C可讀存儲介質(zhì)，存儲有多條指令，該指令適于處理器進行加載，實現(xiàn)本申請所提供的人工智能問答方法中的步驟。

14、第五方面，本申請?zhí)峁┑挠嬎銠C程序產(chǎn)品，包括計算機程序或指令，該計算機程序或指令被處理器執(zhí)行時實現(xiàn)本申請所提供的人工智能問答方法中的步驟。

15、本申請中，相較于相關(guān)技術(shù)，獲取待回答問題；基于待回答問題在預(yù)設(shè)知識圖譜上檢索，得到待回答問題的候選答案；在待回答問題的候選答案的數(shù)量為至少兩個的情況下，將至少兩個候選答案和待回答問題分別拼接并輸入知識適配模塊，得到至少兩個表征向量，其中，知識適配模塊根據(jù)預(yù)設(shè)訓(xùn)練集訓(xùn)練得到，預(yù)設(shè)訓(xùn)練集由預(yù)設(shè)知識圖譜的知識三元組構(gòu)建得到；基于至少兩個表征向量從至少兩個候選答案中確定待回答問題對應(yīng)的預(yù)測答案。本申請直接基于知識圖譜中的知識三元組構(gòu)建預(yù)設(shè)訓(xùn)練集，并根據(jù)預(yù)設(shè)訓(xùn)練集訓(xùn)練知識適配模塊，從而解決現(xiàn)有技術(shù)對外部語料的依賴和知識圖譜建模不完整的問題，從而能夠提高人工智能問答的準(zhǔn)確率。

技術(shù)特征：

1.一種人工智能問答方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的人工智能問答方法，其特征在于，所述預(yù)設(shè)訓(xùn)練集包括多個掩碼語料，所述問答方法包括：

3.根據(jù)權(quán)利要求2所述的人工智能問答方法，其特征在于，多個所述文本語料包括簡單語料和復(fù)雜語料中的至少一種，所述基于所述預(yù)設(shè)知識圖譜的所述知識三元組構(gòu)造多個所述文本語料，包括：

4.根據(jù)權(quán)利要求3所述的人工智能問答方法，其特征在于，所述以預(yù)設(shè)掩碼語言模型為目標(biāo)函數(shù)，利用所述預(yù)設(shè)訓(xùn)練集訓(xùn)練所述知識適配模塊，包括：

5.根據(jù)權(quán)利要求1所述的人工智能問答方法，其特征在于，所述知識適配模塊包括語言模型、適配器模塊以及融合模塊，所述語言模型包括多個神經(jīng)網(wǎng)絡(luò)層，所述適配器模塊包括多個適配網(wǎng)絡(luò)層，多個神經(jīng)網(wǎng)絡(luò)層和多個適配網(wǎng)絡(luò)層一一對應(yīng)，所述適配網(wǎng)絡(luò)層用于融合對應(yīng)的所述神經(jīng)網(wǎng)絡(luò)層和上一個所述適配網(wǎng)絡(luò)層的輸出并輸入下一個所述適配網(wǎng)絡(luò)層，所述融合模塊融合最后一個所述適配網(wǎng)絡(luò)層和最后一個所述神經(jīng)網(wǎng)絡(luò)層的輸出并輸出所述表征向量；

6.根據(jù)權(quán)利要求1所述的人工智能問答方法，其特征在于，所述基于至少兩個所述表征向量從至少兩個所述候選答案中確定所述待回答問題對應(yīng)的預(yù)測答案，包括：

7.一種人工智能問答裝置，其特征在于，包括：

8.一種電子設(shè)備，其特征在于，包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器用于運行所述存儲器內(nèi)的計算機程序，以執(zhí)行權(quán)利要求1至6任一項所述的人工智能問答方法中的步驟。

9.一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)存儲有多條指令，所述指令適于處理器進行加載，以執(zhí)行權(quán)利要求1至6任一項所述的人工智能問答方法中的步驟。

10.一種計算機程序產(chǎn)品，包括計算機程序或指令，其特征在于，該計算機程序或指令被處理器執(zhí)行時實現(xiàn)權(quán)利要求1至6任一項所述的人工智能問答方法中的步驟。

技術(shù)總結(jié)
本申請公開了一種人工智能問答方法及裝置，其中，獲取待回答問題；基于待回答問題在預(yù)設(shè)知識圖譜上檢索，得到待回答問題的候選答案；在待回答問題的候選答案的數(shù)量為至少兩個的情況下，將至少兩個候選答案和待回答問題分別拼接并輸入知識適配模塊，得到至少兩個表征向量，其中，知識適配模塊根據(jù)預(yù)設(shè)訓(xùn)練集訓(xùn)練得到，預(yù)設(shè)訓(xùn)練集由預(yù)設(shè)知識圖譜的知識三元組構(gòu)建得到；基于至少兩個表征向量從至少兩個候選答案中確定待回答問題對應(yīng)的預(yù)測答案。本申請直接基于知識圖譜中的知識三元組構(gòu)建預(yù)設(shè)訓(xùn)練集，并根據(jù)預(yù)設(shè)訓(xùn)練集訓(xùn)練知識適配模塊，從而解決現(xiàn)有技術(shù)對外部語料的依賴和知識圖譜建模不完整的問題，從而能夠提高人工智能問答的準(zhǔn)確率。

技術(shù)研發(fā)人員：蘇鈿煌,吳揚,黃振亞,林鑫,陳恩紅
受保護的技術(shù)使用者：OPPO廣東移動通信有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/4/24