CN119128077B 一種語義理解與問答的匹配方法及其系統 （江蘇紅網技術股份有限公司）_第1頁
CN119128077B 一種語義理解與問答的匹配方法及其系統 （江蘇紅網技術股份有限公司）_第2頁
CN119128077B 一種語義理解與問答的匹配方法及其系統 （江蘇紅網技術股份有限公司）_第3頁
CN119128077B 一種語義理解與問答的匹配方法及其系統 （江蘇紅網技術股份有限公司）_第4頁
CN119128077B 一種語義理解與問答的匹配方法及其系統 （江蘇紅網技術股份有限公司）_第5頁
已閱讀5頁，還剩23頁未讀， 繼續免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

本發明公開了一種語義理解與問答的匹配下文信息和長距離依賴關系之間的映射關系選明利用深度學習模型來提取查詢和文檔的語義2語義問答信息采集，通過詞性分析對所采集的語義問答數據進數據庫數據處理，對統一格式語義問答信息進行字段的劃分并劃語義理解優化處理，使用自然語言處理經數據預處理后的數據集，并深度學習模型來提取查詢和文檔的語義特征，具體采用聚類算法對數據集進行聚類處理，將完整的數據集根據提取查詢和文檔數據分若干個類別，并通過K值聚類算法確定每一個其中，Dist(xi,yj)為聚類樣本xi與訓練樣本之間的距離度量值，xik為第k個聚類樣本jk為第k個訓練樣本yj；根據上下文信息和長距離依賴關系之間的映射關系進行權重檢索增強生成，基于從數據庫檢索所關聯的相關信息，將檢3和文檔后的數據集，訓練得到基于Sentence_BERT的向量表示模型參數進行計算生成優化其中，TP為核心字段信息預測為正例且標簽為正例的樣本數，i為第i個回答信息的評估值；wp表示回答信息在語言大模型所檢索到的信息中準確性參數的生成，將判斷準確度的深度學習神經網絡模型作為深度學習神經網絡模型，4k?I);8.一種應用于如權利要求1所述的一種語義理解與問答的匹配方法的系統，其特征在獲取模塊，用于通過詞性分析對所采集的語義問答數據進行整數據庫處理模塊，用于對統一格式語義問答信息進行語義理解優化模塊，用于使用自然語言處理經數據預處理后的數據檢索增強生成模塊，用于基于從數據庫檢索所關聯的相關信息答案生成與質量控制模塊，用于響應所述回答信息，并基于所述語言大模型5[0002]當前文字處理功能在理解長文本、復雜語境以及語義邏[0004]因此，本發明其中的一個目的是提供一種語義理解與問其利用深度學習模型來提取查詢和文檔的語義特征，捕獲上下文信息和長距離依賴關系，6jk為第k個訓練樣本yj。[0017]其中，n表示第i個聚類樣本xi的項數，fi表示為數據集聚類樣本xi出現的頻率，型，采用余弦距離作為損失函數，基于所述提取查詢和文檔后的數據集，訓練得到基于Sentence_BERT的向量表示模型參數進行計算生成優化后的核心字段信息，并同步生成優預測為正例但標簽為負例的樣本數，FN為核心字段信息預測負正例但標簽為正例的樣本7[0034]數據庫處理模塊，用于對統一格式語義問答信息進行字段的劃分并劃分出數據89類算法對數據集進行聚類處理，將完整的數據集根據提取查詢和文檔數據分若干個類別，jk為第k個訓練樣本yj。[0057]其中，n表示第i個聚類樣本xi的項數，fi表示為數據集聚類樣本xi出現的頻率，預測為正例但標簽為負例的樣本數，FN為核心字段信息預測負正例但標簽為正例的樣本[0079]數據庫處理模塊，用于對統一格式語義問答信息進行字段的劃分并劃分出數據領域的技術人員可以將本說明書中描述的不同實施例或示例以及不同實施例或示例的特備而使用。

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論