公开(公告)号：CN113342953A

公开(公告)日：2021-09-03

申请号：CN202110675321.1

申请日：2021-06-18

Applicant: 北京理工大学东南信息技术研究院 ,  中国科学院信息工程研究所

Inventor： 黄河燕 ,  尤浩 ,  魏旭 ,  胡玥

IPC: G06F16/332 ,  G06F16/33 ,  G06F40/289 ,  G06Q50/26

Abstract: 本发明适用于智能问答领域，提供了一种基于多模型集成的政务问答方法。本发明将实际政务问答的复杂场景分解为多个部分，集成多种特定用途的在不同数据集上微调的预训练语言模型，分别进行FAQ问答对匹配、阅读理解以及层级检索以获取答案和可解释性证据，之后使用无监督答案验证方法对得到的答案和可解释性证据进一步验证，从而充分利用不同模型进行答案信息互补，提高政务问答的质量。采取的阅读理解模型经过无监督检索后能够快速推理并且层级检索方法非常高效，从而保证政务问答的实时性要求。多模型集成的使用能够进一步提高问答准确率，同时提供答案对应的可解释性证据。此外，无监督方法的特性使得该发明能够轻易移植到其他实际问答场景中。

公开(公告)号：CN115114930A

公开(公告)日：2022-09-27

申请号：CN202210554500.4

申请日：2022-05-19

Applicant: 北京理工大学 ,  中国科学院信息工程研究所

Inventor： 黄河燕 ,  徐永秀 ,  胡玥 ,  尤浩 ,  张家瑞

IPC: G06F40/30 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种基于序列到森林的非连续实体识别方法，为了更好地刻画实体内部组块之间的依赖性，使用森林结构建模文本中实体集；采用基于神经网络的“编码器‑解码器”生成框架，实现序列到森林的生成过程；在编码器端，首先采用基于Transformer的编码器捕获文本中每个词的全局依赖特征，然后再使用卷积神经网络进一步捕获词的局部依赖特征；在解码器端，设计了基于“便签”机制的注意力模块，可捕获每个解码时刻的输出与输入之间的语义关联性。本发明的有益效果是：可保证实体间的无序性以及实体内部的有效性，可有效捕获实体组块之间的关联性，可有效提高模型对非连续实体的识别能力，可适应于连续实体识别的场景。