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！

龙图腾网获悉复旦大学;中国航发四川燃气涡轮研究院申请的专利面向问答系统鲁棒性的知识丰富型问题生成方法及装置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：CN117909442B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202211239666.3，技术领域涉及：G06F16/3329；该发明授权面向问答系统鲁棒性的知识丰富型问题生成方法及装置是由陈昱妍;李直旭;张聪;梁家卿;肖仰华设计研发完成，并于2022-10-11向国家知识产权局提交的专利申请。

本面向问答系统鲁棒性的知识丰富型问题生成方法及装置在说明书摘要公布了：本发明提供一种面向问答系统鲁棒性的知识丰富型问题生成方法及装置，获取待查询实体蒸馏后的事实描述、释义及近义词作为注入知识，利用编辑机制改写现有的问题来生成知识丰富型问题，即可使用不同类型的知识扩充原始问题，而不改变原始问题的含义，生成更多样化、更有意义的知识丰富型问题。进一步，本发明还启发性地为问答模型提供“诊断”信息，为每个注入知识提供一个动态权重，这使得问答模型更多地关注包含线索信息的问题部分，以预测正确答案，而对包含不相关信息的问题部分减少关注，因此通过动态调整权重，可以有效提升问答模型在知识丰富型问题和原始问题上的性能。

本发明授权面向问答系统鲁棒性的知识丰富型问题生成方法及装置在权利要求书中公布了：1.一种面向问答系统鲁棒性的知识丰富型问题生成方法，其特征在于，包括以下步骤： 步骤S1，识别输入问题中的待查询实体，并在知识库中搜索得到所述待查询实体的事实描述； 步骤S2，对所述事实描述进行蒸馏，将蒸馏后的所述事实描述作为注入知识； 步骤S3，利用词典对所述输入问题中的通用单词进行解释得到其释义，并找到该通用单词的近义词，均作为注入知识； 步骤S4，利用所述注入知识及编辑机制，采用以下任意一种或多种方式的组合生成知识丰富型问题： 将蒸馏后的所述事实描述注入到所述输入问题中； 将所述输入问题中的所述通用单词替换为其释义； 将所述输入问题中的所述通用单词替换为其近义词； 步骤S5，通过检测器检测所述知识丰富型问题中的各所述注入知识的知识水平注意力权重，所述检测器包含与问答模型结构相同的编码器-解码器模型； 步骤S6，依次移除所述知识水平注意力权重最高的所述注入知识，并利用剩余的所述注入知识生成新问题，将该新问题输入所述问答模型，并根据所述问答模型的性能变化调整被移除的所述注入知识的所述知识水平注意力权重， 其中，步骤S6中，将所述新问题输入已在给定问答对上进行微调的所述问答模型中，以检测所述问答模型在所述新问题上的性能， 如果所述性能变好，将移除的所述注入知识视为负性知识，减少所述负性知识与所述待查询实体对应的正确关系之间的所述知识水平注意力权重； 如果所述性能变差，将移除的所述注入知识视为正性知识，增加所述正性知识与所述待查询实体对应的正确关系之间的所述知识水平注意力权重， 步骤S6中，利用因子δ来优化所述知识水平注意力权重，该因子δ代表所述检测器在解码实体对应的正确关系时概率值的变化量， 当一个所述注入知识存在于所述知识丰富型问题中时，解码得到所述待查询实体对应的正确关系的匹配概率为，移除该注入知识并利用剩余所述注入知识生成所述新问题后，所述匹配概率下降到，概率值的变化量为，则该注入知识的所述知识水平注意力权重被更新为，作为解码器输入的上下文向量被更新为： ， 式中，是通过实验调整的超参数， 步骤S6中，还进一步根据调整后的所述知识水平注意力权重，采用多任务学习方法重新训练所述编码器-解码器模型，同时优化两个损失函数，其中一个所述损失函数用于知识水平注意力权重优化任务，另一个所述损失函数用于基于知识丰富型问题的知识库问答任务： ， 式中，和分别表示两个任务的损失函数的权重因子，当前位置为“PAD”时为0，否则为1，是基于知识丰富型问题的知识库问答任务在不同问答模型下的交叉熵损失，为候选关系的概率分布。

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复旦大学;中国航发四川燃气涡轮研究院，其通讯地址为：200433 上海市杨浦区邯郸路220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。