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！

龙图腾网恭喜华南理工大学申请的专利一种利用多视角信息的自动回答文本生成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：CN114692649B 。

龙图腾网通过国家知识产权局官网在2025-03-21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：202210286420.5，技术领域涉及：G06F16/3329；该发明授权一种利用多视角信息的自动回答文本生成方法是由董守斌;郑滨雄;胡金龙设计研发完成，并于2022-03-23向国家知识产权局提交的专利申请。

本一种利用多视角信息的自动回答文本生成方法在说明书摘要公布了：本发明公开了一种利用多视角信息的自动回答文本生成方法，包括：获取基础数据；对数据进行预处理和搭建多视角自动回答生成模型；利用预处理好的数据对多视角自动回答生成模型进行训练，得到一个生成结果最优的模型；在用户提问题后，收集相关的信息，利用训练好的多视角自动回答生成模型生成结果，并将结果反馈给用户。本发明通过训练好一个能理解多方面视角信息，并将这些信息融合生成自然流畅准确回答的模型，当用户提出问题时，用该模型自动生成文本，回答用户的问题，提高用户对目标的认知。本发明方法在问答社区、医疗问答、客服自动回答等场景中具有广泛的使用空间。

本发明授权一种利用多视角信息的自动回答文本生成方法在权利要求书中公布了：1.一种利用多视角信息的自动回答文本生成方法，其特征在于，包括以下步骤：1获取基础数据，包括用户的问答及其相关的信息数据；2对数据进行预处理和搭建多视角自动回答生成模型；对数据进行预处理包括对文本去噪分词处理和词与id相映射的词典构建；搭建多视角自动回答生成模型，包括用于理解输入数据的阅读理解器和融合多视角信息并生成回答的回答生成器；所述多视角自动回答生成模型由两部分组成，分别是用于理解输入数据的阅读理解器和融合多视角信息并生成回答的回答生成器；所述阅读理解器包括编码器、自注意力层、交互注意力层、和分段注意力层，所述回答生成器包括解码器和多视角融合器，具体情况如下：a、阅读理解器阅读理解器负责将输入的信息进行理解分析和转换，为后面的回答生成器提供其理解后的向量表示；编码器由嵌入层和BiGRU组成，嵌入层将输入的文本信息进行初步编码，得到问题、评论、描述对应的词向量，然后输入到BiGRU中，得到对应的包含上下文信息的隐向量Hq、Hr、Hd；注意力机制是将向量Q和转置后的向量K进行矩阵相乘，再除以其中Dk是指向量K的维度，然后用softmax函数进行归一化，得到注意力权重，接着与向量V相乘，表示为： 自注意力层是使用注意力机制的方式构建的，用于提取各自上下文中的关键信息；问题、评论、描述对应的上下文信息的隐向量Hq、Hr、Hd通过线性映射成相同维度的向量，再通过自注意力层，得到对应的自注意力向量Hq,attention、Hr,attention、Hd,attention，表示为：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为可学习权重；交互注意力层是通过问题自注意力向量分别和评论、描述自注意力向量相互关注，提取出问题里询问关键点，评论和描述中用户关注的信息，即得到问题、评论、描述的交互注意力向量Hq,interactive、Hr,interactive、Hd,interactive，表示为：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为可学习权重；分段注意力层是通过MLP网络将经过自注意力层和交互注意力层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语句的不同位置上，得到各自对应的分段注意力向量Hq,segment、Hr,segment、Hd,segment；b、回答生成器回答生成器负责对阅读理解器理解的信息进一步处理，通过解码器和多视角融合器生成回答；解码器采用单向GRU：ht＝GRUht-1,[Hq,segment,t；wt-1]式中，t是指生成时候的第t个位置，ht是解码器t位置生成的隐向量，ht-1是t-1位置生成的隐向量，Hq,segment,t是问题分段注意力向量Hq,segment在t位置的向量，wt-1是参考回答t-1位置的词向量；多视角融合器将从阅读理解器和解码器得到的问题、评论、描述、解码器视角的t位置的隐向量Hq,segment,t、Hr,segment,t、Hd,segment,t、ht有效的融合起来，先是分别计算问题、评论、描述视角t位置的隐向量对t位置生成词的影响概率，表示为：gq＝sigmodWGq[Hq,segment,t；ht]gr＝sigmodWGr[Hr,segment,t；ht]gd＝sigmodWGd[Hd,segment,t；ht]式中，gq是问题视角对应的影响概率，gr是评论视角对应的影响概率，gd是描述视角对应的影响概率，WGq、WGr、WGd是可学习权重；总的影响概率为1，解码器视角的影响概率gh表示为：gh＝1-gq+gr+gd3然后分别计算各个视角下生成词概率，与影响概率相乘，最后再将各视角生成词概率相加在一起得到最终的词概率，表示为：pq＝gq*WPqHq,segment,tpr＝gr*WPrHr,segment,tpd＝gd*WPdHd,segment,tph＝gh*WPhhtpt＝pq+pr+pd+ph式中，pq为问题视角对应的生成词概率，pr为评论视角对应的生成词概率，pd为描述视角对应的生成词概率，ph为解码器视角对应的生成词概率，WPq、WPr、WPd、WPh是可学习权重，pt是最终的词概率；3利用预处理好的数据对多视角自动回答生成模型进行训练，得到一个生成结果最优的模型；4在用户提问题后，收集相关的信息，利用训练好的多视角自动回答生成模型生成结果，并将结果反馈给用户。

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华南理工大学，其通讯地址为：511458 广东省广州市南沙区环市大道南路25号华工大广州产研院；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”。