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！

龙图腾网获悉合肥工业大学申请的专利一种基于多视图答案表征的智能问答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：CN119166788B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202411391532.2，技术领域涉及：G06F16/3329；该发明授权一种基于多视图答案表征的智能问答方法是由姜元春;高静;崔福来;柴一栋;张永刚;徐政祥设计研发完成，并于2024-10-08向国家知识产权局提交的专利申请。

本一种基于多视图答案表征的智能问答方法在说明书摘要公布了：本发明公开了一种基于多视图答案表征的智能问答方法，包括：1.构建问答数据并预处理；2.构建文本编码模块，获取文本的词向量矩阵和句向量；3.构建回答者专业能力表示模块，获取回答者对问题的专业能力的表示；4.构建基于注意力机制的LSTM模块，获取同一问题下答案的信息交互；5.构建基于问题描述文本句向量的答案表示模块，利用问题描述文本的向量表示对答案正文的词向量加权；6.构建基于问答工作图的答案表示模块，获取基于概念图的答案表征；7.构建答案表征融合模块，获取答案基于多视图的表示；8.构建预测模块，预测问题和答案的匹配分数。本发明能为问题选择最佳答案。

本发明授权一种基于多视图答案表征的智能问答方法在权利要求书中公布了：1.一种基于多视图答案表征的智能问答方法，其特征在于，是按如下步骤进行： 步骤1、构建问答数据并预处理； 收集问答数据，包括：问题和答案及其回答者，其中，问题包括：问题类别、问题主题、问题正文，答案包括，答案正文、每个答案的发布时间和真实评价标签； 将问答数据中的任意一个问题对应的所有答案按照发布时间进行排列后，得到问题对应的答案正文集合；其中，表示问题的第个排列后的答案正文，表示问题的答案总数，将问题的问题主题记为；将问题所对应的的回答者集合记为，其中，表示的回答者； 步骤2、构建文本编码模块，用于将问题主题和问题的问题正文进行拼接后，得到问题的描述文本后，使用BERT模型分别获取问题的描述文本的词向量矩阵和句向量、问题的第个排列后的答案正文的词向量矩阵和句向量以及回答者的文档的词向量矩阵； 步骤3、构建回答者专业能力表示模块，包括：TextCNN网络和注意力机制模块，并用于对和进行处理，得到回答者对问题的专业能力的表示； 步骤4、构建基于注意力机制的LSTM模块，并用于对和进行处理，得出第个答案正文的答案信息交互的表示； 步骤5、构建基于问题描述文本句向量的答案表示模块，并用于计算与答案正文第个分词的词向量的匹配得分，再利用函数对答案正文的个分词的匹配得分进行归一化操作，得到第个分词的词向量的权重值，从而对答案正文的个分词的词向量矩阵进行加权聚合，得到基于问题描述文本句向量的表示； 步骤6、构建基于问答工作图的答案表示模块，并用于构建对应的问答工作子图和问答工作图，从而得到基于问答工作图的表示； 步骤7、构建答案表征融合模块，用于对基于问答工作图的表示、基于问题描述文本句向量的表示和答案信息交互的表示进行拼接融合，得到基于多视图的表示； 步骤8、构建预测模块，并用于对基于多视图的表示、回答者对问题的专业能力的表示和问题的描述文本的句向量进行信息融合，从而预测问题和第个答案正文的匹配分数； 步骤9、利用梯度下降法对由文本编码模块、回答者专业能力表示模块、基于注意力机制的LSTM模块、基于问题描述文本句向量的答案表示模块、基于问答工作图的答案表示模块、答案表征融合模块、预测模块组成的智能问答网络进行训练，并计算基于真实评价标签和预测评价标签的交叉熵损失值以更新网络参数，当交叉熵损失值收敛或训练次数达到预先确定的阈值时停止训练，从而得到最优智能问答模型，并用于对输入的每个问题预测最佳答案。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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。