买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉昆明理工大学申请的专利一种基于深度模型迁移学习的问答系统答案抽取方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116432751B 。

龙图腾网通过国家知识产权局官网在2025-06-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310394497.9，技术领域涉及：G06N5/025；该发明授权一种基于深度模型迁移学习的问答系统答案抽取方法是由邓涵;苏磊设计研发完成，并于2023-04-13向国家知识产权局提交的专利申请。

本一种基于深度模型迁移学习的问答系统答案抽取方法在说明书摘要公布了：本发明涉及一种基于深度模型迁移学习的问答系统答案抽取方法，属于信息检索技术领域。本发明首先对斯坦福数据集进行预处理，当文本段落和问句进入模型计算向量表征时，通过疑问词的问题分类方法将数据集中的问题进行分类，获取问句对应的预期答案类型；根据问句的分类信息，对文本段落进行处理，将问句中预期答案类型对应的实体做特殊标记；其次，对处理过的问句和文本段落输入BERT模型中，利用BERT模型的自注意力机制，重点关注有特殊标记的文本片段，计算出文本段落与问句之间的语义相似度；最后，在相似层通过全连接层和sigmoid归一化计算最终概率。

本发明授权一种基于深度模型迁移学习的问答系统答案抽取方法在权利要求书中公布了：1.一种基于深度模型迁移学习的问答系统答案抽取方法，其特征在于：首先对数据集进行预处理，当文本段落和问句进入深度迁移模型计算向量表征时，通过疑问词的问题分类方法将数据集中的问题进行分类，获取问句对应的预期答案类型；根据问句的分类信息，对文本段落进行处理，将问句中预期答案类型对应的实体做标记；其次，对处理过的问句和文本段落输入深度迁移模型中，利用深度迁移模型的自注意力机制，重点关注有标记的文本段落，计算出文本段落与问句之间的语义相似度；最后，在相似层通过全连接层和sigmoid归一化计算最终概率；所述方法的具体步骤如下：Step1：将数据集中的问题及文本段落进行预处理，预处理包括对问题根据疑问词进行分类，得到分类后的问句，从而来判断问句的预期答案类型；再依据问句分类所得到的预期答案类型对文本段落的实体进行标记，得到标记的文本段落；Step2：将Step1中的分类后的问句和标记的文本段落作为输入送入深度迁移模型中，在深度迁移模型BERT中使用编码器对其进行处理，统一文本长度，生成问题特征向量和候选文本段特征向量；Step3：通过深度迁移模型BERT的自注意力机制，重点关注有标记的文本段落，计算出有标记的文本段落与问句之间的语义相似度，得到最佳答案文本；Step4：在相似层通过全连接层和sigmoid归一化计算答案与最佳答案文本的最终概率；所述Step2中包括：将Step1中的分类后的问句和标记的文本段落作为输入送入深度迁移模型BERT中，使用深度迁移模型BERT对输入进行文本长度统一，生成一个注意力遮蔽矩阵attention_mask，从而得到问题特征向量和候选文本段特征向量；在进行文本长度统一时，短的句子通过补齐的方式增加到固定的长度，长的句子截断到固定的长度，在文本补齐的部分，其矩阵值为0，文本的原文部分矩阵值为1，这样在进行自注意力机制的计算时，深度迁移模型BERT就只会关注输入的部分，而将补齐部分的注意力权重减小到几乎为0；所述Step3中，深度迁移模型BERT的自注意力机制包括多头注意力模块、前向神经网络和层规范化模块；在得到问句q和文本段落t的向量表示序列Xq和Xt后，将它们拼接起来，得到深度迁移模型BERT的输入序列X，将X输入多头注意力模块，得到输入的问句和文本段落中各个词的上下文信息，最后再通过前馈神经网络和层规范化得到最终的自注意力结构部分的输出。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人昆明理工大学，其通讯地址为：650500 云南省昆明市呈贡区景明南路727号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。