(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210262132.6 (22)申请日 2022.03.16 (71)申请人 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.Cl. G06F 16/332(2019.01) G06F 16/33(2019.01) G06F 16/951(2019.01)G06F 16/953(2019.01) G06F 40/205(2020.01) G06F 40/30(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G11C 7/16(2006.01) (54)发明名称 问答处理方法及智能设备 (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 所述目标问题和所述预测答案的匹配对。 本发明 方案能提升智能设备问答交 互的准确性。 权利要求书2页 说明书11页 附图10页 CN 114706963 A 2022.07.05 CN 114706963 A 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， 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， 将所述目标问题和所述预测答 案的匹配对写入与所述机器阅读理解模型关联的所述存 储器内。 2.根据权利要求1所述的智能设备， 其特征在于， 所述控制器被配置按照如下方式执行 所述联动训练： 利用所述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； 对初阶的问答 生成模型和机器阅读理解模型启动联动训练。 3.根据权利要求2所述的智能设备， 其特征在于， 所述控制器被配置按照如下方式执行 所述联动训练： 先以初阶的机器阅读理解模型为基准， 对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； 然后以所述进阶的问答生成模型为基准， 对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。 4.根据权利要求3所述的智能设备， 其特征在于， 所述控制器被配置按照如下方式得到 进阶的问答 生成模型： 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。 5.根据权利要求4所述的智能设备， 其特征在于， 所述控制器被配置按照如下方式得到 进阶的机器阅读理解模型： 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。 6.根据权利要求1所述的智能设备， 其特 征在于， 所述控制器还被 配置执行： 利用第一爬虫 策略， 获取 热搜关键词； 利用第二爬虫 策略， 从网络资源中获取与所述热搜关键词相关的目标文本数据；权　利　要　求　书 1/2 页 2 CN 114706963 A 2对所述目标文本数据进行 数据预处 理， 并保存为所述待测文本数据。 7.根据权利要求3 ‑5任一项所述的智能设备， 其特征在于， 所述控制器还被配置按照如 下方式对所述预测答案进行 校验： 计算所述进阶的机器阅读理解模型输出的预测答案的置信度； 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 答案一致， 则判定所述预测答案校验成功。 8.根据权利要求7 所述的智能设备， 其特 征在于， 所述控制器还被 配置执行： 若所述置信度小于所述预设阈值， 或者， 所述预测答案与所述基准答案不一致， 则 丢弃 所述预测答案 。 9.根据权利要求1所述的智能设备， 其特 征在于， 所述控制器还被 配置执行： 若所述智能设备还包括声音采集器和声音播放器， 通过所述声音采集器接收用户语音 输入的第一问题， 在所述存储器 内查询所述第 一问题所属的第 一目标匹配对， 并控制所述声音播放器播 报所述第一目标匹配对中的答案； 和/或， 若所述智能设备还包括显示器， 接收用户输入的第二问题， 控制所述显示器显示所述 第二问题， 在所述存储器 内查询所述第 二问题所属的第 二目标匹配对， 并控制所述显示器显示所 述第二目标匹配对中的答案 。 10.一种问答处 理方法， 其特 征在于， 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， 则存储所述目标问题和所述预 测答案的匹配对。权　利　要　求　书 2/2 页 3 CN 114706963 A 3