買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜華南理工大學申請的專利一種利用多視角信息的自動回答文本生成方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114692649B 。

龍圖騰網通過國家知識產權局官網在2025-03-21發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210286420.5，技術領域涉及：G06F16/3329；該發明授權一種利用多視角信息的自動回答文本生成方法是由董守斌;鄭濱雄;胡金龍設計研發完成，并于2022-03-23向國家知識產權局提交的專利申請。

本一種利用多視角信息的自動回答文本生成方法在說明書摘要公布了：本發明公開了一種利用多視角信息的自動回答文本生成方法，包括：獲取基礎數據；對數據進行預處理和搭建多視角自動回答生成模型；利用預處理好的數據對多視角自動回答生成模型進行訓練，得到一個生成結果最優的模型；在用戶提問題后，收集相關的信息，利用訓練好的多視角自動回答生成模型生成結果，并將結果反饋給用戶。本發明通過訓練好一個能理解多方面視角信息，并將這些信息融合生成自然流暢準確回答的模型，當用戶提出問題時，用該模型自動生成文本，回答用戶的問題，提高用戶對目標的認知。本發明方法在問答社區、醫療問答、客服自動回答等場景中具有廣泛的使用空間。

本發明授權一種利用多視角信息的自動回答文本生成方法在權利要求書中公布了：1.一種利用多視角信息的自動回答文本生成方法，其特征在于，包括以下步驟：1獲取基礎數據，包括用戶的問答及其相關的信息數據；2對數據進行預處理和搭建多視角自動回答生成模型；對數據進行預處理包括對文本去噪分詞處理和詞與id相映射的詞典構建；搭建多視角自動回答生成模型，包括用于理解輸入數據的閱讀理解器和融合多視角信息并生成回答的回答生成器；所述多視角自動回答生成模型由兩部分組成，分別是用于理解輸入數據的閱讀理解器和融合多視角信息并生成回答的回答生成器；所述閱讀理解器包括編碼器、自注意力層、交互注意力層、和分段注意力層，所述回答生成器包括解碼器和多視角融合器，具體情況如下：a、閱讀理解器閱讀理解器負責將輸入的信息進行理解分析和轉換，為后面的回答生成器提供其理解后的向量表示；編碼器由嵌入層和BiGRU組成，嵌入層將輸入的文本信息進行初步編碼，得到問題、評論、描述對應的詞向量，然后輸入到BiGRU中，得到對應的包含上下文信息的隱向量Hq、Hr、Hd；注意力機制是將向量Q和轉置后的向量K進行矩陣相乘，再除以其中Dk是指向量K的維度，然后用softmax函數進行歸一化，得到注意力權重，接著與向量V相乘，表示為： 自注意力層是使用注意力機制的方式構建的，用于提取各自上下文中的關鍵信息；問題、評論、描述對應的上下文信息的隱向量Hq、Hr、Hd通過線性映射成相同維度的向量，再通過自注意力層，得到對應的自注意力向量Hq,attention、Hr,attention、Hd,attention，表示為：Hq,attention＝AttentionHqWq,a1,HqWq,a2,HqWq,a3Hr,attention＝AttentionHrWr,a1,HrWr,a2,HrWr,a3Hd,attention＝AttentionHdWd,a1,HdWd,a2,HdWd,a3式中，Wq,a1,Wq,a2,Wq,a3,Wr,a1,Wr,a2,Wr,a3,Wd,a1,Wd,a2,Wd,a3為可學習權重；交互注意力層是通過問題自注意力向量分別和評論、描述自注意力向量相互關注，提取出問題里詢問關鍵點，評論和描述中用戶關注的信息，即得到問題、評論、描述的交互注意力向量Hq,interactive、Hr,interactive、Hd,interactive，表示為：Hq,interactive＝Attention[Hr,attention；Hd,attention]Wq,i1,Hq,attentionWq,i2,Hq,attentionWq,i3Hr,interactive＝AttentionHq,attentionWr,i1,Hr,attentionWr,i2,Hr,attentionWr,i3Hd,interactive＝AttentionHq,attentionWd,i1,Hd,attentionWd,i2,Hd,attentionWd,i3式中，[；]代表拼接操作，Wq,i1,Wq,i2,Wq,i3,Wr,i1,Wr,i2,Wr,i3,Wd,i1,Wd,i2,Wd,i3為可學習權重；分段注意力層是通過MLP網絡將經過自注意力層和交互注意力層得到的交互注意力向量Hq,interactive、Hr,interactive、Hd,interactive中的信息分配到生成語句的不同位置上，得到各自對應的分段注意力向量Hq,segment、Hr,segment、Hd,segment；b、回答生成器回答生成器負責對閱讀理解器理解的信息進一步處理，通過解碼器和多視角融合器生成回答；解碼器采用單向GRU：ht＝GRUht-1,[Hq,segment,t；wt-1]式中，t是指生成時候的第t個位置，ht是解碼器t位置生成的隱向量，ht-1是t-1位置生成的隱向量，Hq,segment,t是問題分段注意力向量Hq,segment在t位置的向量，wt-1是參考回答t-1位置的詞向量；多視角融合器將從閱讀理解器和解碼器得到的問題、評論、描述、解碼器視角的t位置的隱向量Hq,segment,t、Hr,segment,t、Hd,segment,t、ht有效的融合起來，先是分別計算問題、評論、描述視角t位置的隱向量對t位置生成詞的影響概率，表示為：gq＝sigmodWGq[Hq,segment,t；ht]gr＝sigmodWGr[Hr,segment,t；ht]gd＝sigmodWGd[Hd,segment,t；ht]式中，gq是問題視角對應的影響概率，gr是評論視角對應的影響概率，gd是描述視角對應的影響概率，WGq、WGr、WGd是可學習權重；總的影響概率為1，解碼器視角的影響概率gh表示為：gh＝1-gq+gr+gd3然后分別計算各個視角下生成詞概率，與影響概率相乘，最后再將各視角生成詞概率相加在一起得到最終的詞概率，表示為：pq＝gq*WPqHq,segment,tpr＝gr*WPrHr,segment,tpd＝gd*WPdHd,segment,tph＝gh*WPhhtpt＝pq+pr+pd+ph式中，pq為問題視角對應的生成詞概率，pr為評論視角對應的生成詞概率，pd為描述視角對應的生成詞概率，ph為解碼器視角對應的生成詞概率，WPq、WPr、WPd、WPh是可學習權重，pt是最終的詞概率；3利用預處理好的數據對多視角自動回答生成模型進行訓練，得到一個生成結果最優的模型；4在用戶提問題后，收集相關的信息，利用訓練好的多視角自動回答生成模型生成結果，并將結果反饋給用戶。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人華南理工大學，其通訊地址為：511458 廣東省廣州市南沙區環市大道南路25號華工大廣州產研院；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。