CN114706963B 问答处理方法及智能设备 （海信电子科技(武汉)有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN114706963B(45)授权公告日2025.01.10

(21)申请号202210262132.6

(22)申请日2022.03.16

(65)同一申请的已公布的文献号申请公布号CN114706963A

(43)申请公布日2022.07.05

(73)专利权人海信电子科技(武汉)有限公司地址430073湖北省武汉市东湖新技术开

发区软件园东路1号软件产业4.1期B2栋13层02号-2

(72)发明人李俊彦柳志德芮智琦范颜岩

许畅

(74)专利代理机构北京弘权知识产权代理有限

公司11363专利代理师逯长明许伟群

(51)Int.CI.

GO6F16/3329(2025.01)

GO6F16/334(2025.01)

GO6F16/951(2019.01)

GO6F16/953(2019.01)

GO6F40/205(2020.01)

GO6F40/30(2020.01)

GO6N3/04(2023.01)

GO6N3/08(2023.01)

G11C7/16(2006.01)

(56)对比文件

CN109492086A,2019.03.19CN111428021A,2020.07.17审查员郑骏

权利要求书2页说明书11页附图10页

(54)发明名称

问答处理方法及智能设备

利用样本数据，预先对问答

利用样本数据，预先对问答

生成模型和机器阅读理解模型进行联动训练

将待测文本数据输入所述问

答生成模型，生成目标问题

和基准答案

将所述待测文本数据和所述

目标问题输入所述机器阅读理解模型，得到预测答案

对所述预测答案进行校验

所述预测答案是否校验成功

将所述目标问题和预测答案的匹配对写入与所述机器阅读理解模型关联的存储器内

丢弃所述预测答案

S503

S507

S505

S506

CN114709963B(57)摘要本发明公开一种问答处理方法及智能设备，涉及自然语言处理技术领域，其中所述方法包括利用样本数据，预先对问答生成模型和机器阅读理解模型进行联动训练；将待测文本数据输入所述问答生成模型，生成目标问题和基准答案；将所述待测文本数据和所述目标问题输入所述机器阅读理解模型，得到预测答案；对所述预测答案进行校验，若所述预测答案校验成功，则存储

CN114709963B

(57)摘要

CN114706963B权利要求书1/2页

2

1.一种智能设备，其特征在于，包括：

存储器，被配置为存储问答训练后构建的问题与答案的匹配对；

控制器，被配置为执行：

利用样本数据对第一预训练模型进行微调，得到初阶的问答生成模型；

利用所述样本数据对第二预训练模型进行微调，得到初阶的机器阅读理解模型；

利用所述样本数据训练所述初阶的问答生成模型，计算所述初阶的问答生成模型的第一损失值；所述样本数据中包括描述文本、样本问题和样本答案；将所述描述文本以及所述初阶的问答生成模型输出的第一问题和第一答案输入至所述初阶的机器阅读理解模型，计算所述初阶的机器阅读理解模型的第二损失值；利用所述第一损失值及其对应的第一权重，所述第二损失值及其对应的第二权重，计算第一加权损失值；根据所述第一加权损失值对所述初阶的问答生成模型进行参数优化，得到进阶的问答生成模型；

将所述样本数据分别输入至所述初阶的机器阅读理解模型和进阶的问答生成模型；计算所述进阶的问答生成模型的第三损失值，以及，计算所述初阶的机器阅读理解模型的第四损失值；利用所述第三损失值及其对应的第三权重，所述第四损失值及其对应的第四权重，计算第二加权损失值；根据所述第二加权损失值对所述初阶的机器阅读理解模型进行参数优化，得到进阶的机器阅读理解模型；

将待测文本数据输入所述进阶的问答生成模型，生成目标问题和基准答案；

将所述待测文本数据和所述目标问题输入所述进阶的机器阅读理解模型，得到预测答案；

计算所述预测答案的置信度；

若所述置信度大于或等于预设阈值，并且所述预测答案与所述进阶的问答生成模型输出的基准