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！

龙图腾网获悉福州大学申请的专利基于知识增强和双图交互的问题生成方法及系统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：CN116186216B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202211721517.0，技术领域涉及：G06F16/3329；该发明授权基于知识增强和双图交互的问题生成方法及系统是由郭文忠;陈羽中;刘漳辉;李亚峰设计研发完成，并于2022-12-30向国家知识产权局提交的专利申请。

本基于知识增强和双图交互的问题生成方法及系统在说明书摘要公布了：本发明涉及一种基于知识增强和双图交互的问题生成方法，包括以下步骤：步骤A：采集上下文句子和对应的问答对，构建用于问题生成的训练数据集DR；步骤B：使用训练数据集DR以及知识图谱训练基于知识增强和双图交互网络的深度学习网络模型T；步骤C：将上下文句子和答案输入到训练好的深度学习网络模型T中，输出生成的问题。该方法及系统有利于提高问题生成的准确性。

本发明授权基于知识增强和双图交互的问题生成方法及系统在权利要求书中公布了：1.一种基于知识增强和双图交互的问题生成方法，其特征在于，包括以下步骤： 步骤A：采集上下文句子和对应的问答对，构建用于问题生成的训练数据集DR； 步骤B：使用训练数据集DR以及知识图谱训练基于知识增强和双图交互网络的深度学习网络模型T； 步骤C：将上下文句子和答案输入到训练好的深度学习网络模型T中，输出生成的问题； 所述步骤B具体包括以下步骤： 步骤B1：对训练数据集DR中的所有训练样本进行初始编码，从而得到上下文句子的初始表征向量Ec和上下文句子邻接矩阵Ac；将预测的疑问词拼接在答案后面，得到答案的初始表征向量Ea；同时以上下文句子句法依赖树、答案句法依赖树为基础，从知识图谱进行节点扩充，得到知识增强上下文句子图以及知识增强答案图，其邻接矩阵分别表示为Ackg、Aakg，并使用知识图谱将每一个节点信息映射为连续的低维向量，最终形成上下文句子和答案的知识扩展表征向量Eck、Eak； 步骤B2：将步骤B1得到的上下文句子的初始表征向量Ec和答案的初始表征向量Ea分别输入到两个不同的双向长短期记忆网络中，得到句子表征向量Hs和答案表征向量Ha； 步骤B3：将步骤B1得到的图邻接矩阵Ackg和上下文句子的知识扩展表征向量Eck输入到一个K层图卷积网络中，将图邻接矩阵Aakg和答案的知识扩展表征向量Eak输入到另外一个K层图卷积网络中，通过图卷积网络进行节点信息更新学习外部知识，得到知识增强的上下文句子表征Gckg、知识增强的答案表征Gakg，将步骤B2得到的句子表征向量Hs和知识增强的上下文句子表征Gckg输入到多头注意力当中，得到增强的上下文句子表征向量Hckg，将答案表征向量Ha和知识增强的答案表征Gakg输入到另外一个多头注意力当中，得到增强的答案上下文表征向量Hakg； 步骤B4：将步骤B3得到的上下文句子表征向量Hckg与上下文句子的Glove嵌入Ecs、BERT嵌入Ecb进行拼接得到句子表征Hcgb，将步骤B3得到的答案表征向量Hakg与答案的Glove嵌入Eas、BERT嵌入Eab进行拼接得到答案表征Hagb，将句子表征Hcgb和答案表征Hagb输入到注意机制当中得到上下文可知的答案表征Hac，最后将增强的上下文句子表征向量Hckg与Hac进行拼接得到表征向量Hcka，然后将Hcka输入到双向长短期记忆网络中，得到与答案相关的上下文句子表征向量Hd； 步骤B5：将步骤B1的邻接矩阵Ac与步骤B4得到的表征向量Hd输入到一个K层图卷积网络中，学习得到上下文句子的结构信息表征Gcca；通过表征向量Hd和注意机制构造语义相关权重图，其邻接矩阵表示为Aw，将矩阵Aw和表征向量Hd输入到一个K层图卷积网络中，学习得到上下文句子的语义信息表征Gwca；构造一个虚拟图进行图间信息交互，即将一个句子复制一次并拼接在同一个句子后面进行构图，两个句子中相同单词之间用边连接，其值为1，不同单词直接不用边连接，其值为0，虚拟图的邻接矩阵表示为Av，将结构信息特征Gcca和语义信息特征Gwca拼接起来表示为Gcw，将矩阵Av与Gcw输入到一个K层图卷积网络中，学习得到最终的上下文句子表征He； 步骤B6：用最终的上下文句子表示He计算上下文向量ct，利用长短期记忆网络作为解码器来逐词生成问题，将前一个字嵌入wt-1和上下文向量ct一起输入到长短期记忆网络中计算新的隐藏状态st，根据st和上下文向量ct计算生成单词的概率pgen，同时根据隐藏状态st和上下文向量ct计算一个复制开关g以决定是从输入句子拷贝单词还是生成一个新的单词，根据目标损失函数loss，利用反向传播方法计算深度学习网络模型中各参数的梯度，并利用随机梯度下降方法更新各参数； 步骤B7：当深度学习网络模型每次的BLEU-4评分未更新次数达到所给定阈值或者达到最大迭代次数，则终止深度学习网络模型的训练过程。

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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”。