公开(公告)号：CN107590153B

公开(公告)日：2021-04-27

申请号：CN201610534215.0

申请日：2016-07-08

Applicant: 微软技术许可有限责任公司

Inventor： 武博文 ,  王宝勋 ,  彭爽 ,  曾敏 ,  周力

IPC: G06F16/332 ,  G06F40/30 ,  G06N3/04

Abstract: 本公开的非限制性示例描述了一种卷积神经网络(CNN)架构，该架构被配置成评估查询－响应配对的对话相关性。提供了一种CNN模型。该CNN模型包括：第一分支、第二分支、以及多层感知器(MLP)层。第一分支包括用于处理查询的多个采用动态池化的卷积层。第二分支包括用于处理针对所述查询的候选响应的多个采用动态池化的卷积层。MLP层被配置成基于对话相关性来对查询－响应配对进行排名。使用CNN模型来并行地处理查询和候选响应。使用所述MLP层基于传递自所述第一分支的第一输入和传递自所述第二分支的第二输入来生成所述查询－响应配对的配对级排名。一个或多个查询－响应配对的排名可被输出。还描述了其他示例。

公开(公告)号：CN107590153A

公开(公告)日：2018-01-16

申请号：CN201610534215.0

申请日：2016-07-08

Applicant: 微软技术许可有限责任公司

Inventor： 武博文 ,  王宝勋 ,  彭爽 ,  曾敏 ,  周力

IPC: G06F17/30

CPC classification number: G06F17/2785 ,  G06N3/0454

Abstract: 本公开的非限制性示例描述了一种卷积神经网络(CNN)架构，该架构被配置成评估查询－响应配对的对话相关性。提供了一种CNN模型。该CNN模型包括：第一分支、第二分支、以及多层感知器(MLP)层。第一分支包括用于处理查询的多个采用动态池化的卷积层。第二分支包括用于处理针对所述查询的候选响应的多个采用动态池化的卷积层。MLP层被配置成基于对话相关性来对查询－响应配对进行排名。使用CNN模型来并行地处理查询和候选响应。使用所述MLP层基于传递自所述第一分支的第一输入和传递自所述第二分支的第二输入来生成所述查询－响应配对的配对级排名。一个或多个查询－响应配对的排名可被输出。还描述了其他示例。