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！

龙图腾网获悉平安科技(深圳)有限公司申请的专利基于命名实体的文本问答方法、装置及可读存储介质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：CN111695354B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202010434262.4，技术领域涉及：G06F16/3329；该发明授权基于命名实体的文本问答方法、装置及可读存储介质是由郝新东;王科强设计研发完成，并于2020-05-20向国家知识产权局提交的专利申请。

本基于命名实体的文本问答方法、装置及可读存储介质在说明书摘要公布了：本发明涉及人工智能技术，揭露了一种基于命名实体的文本问答方法，包括：接收用户输入的咨询文本，对所述咨询文本执行命名实体识别得到实体文本集；获取问答语料集，并对所述问答语料集执行命名实体识别及命名实体划分，得到多个问答语料子集，从多个所述问答语料子集中提取与所述咨询文本相关的问答语料子集，组成回答文本集，并将所述回答文本集进行切分及编码操作，得到问答编码集，将所述问答编码集输入至预训练完成的深度学习问答模型中，得到所述咨询文本的回答文本。本发明还提出一种基于命名实体的文本问答装置、电子设备以及计算机可读存储介质。本发明可以解决文本回答过程计算量大，回答效果差的问题。

本发明授权基于命名实体的文本问答方法、装置及可读存储介质在权利要求书中公布了：1.一种基于命名实体的文本问答方法，其特征在于，所述方法包括： 接收用户输入的咨询文本，对所述咨询文本执行命名实体识别，得到实体文本集； 获取问答语料集，并对所述问答语料集执行命名实体识别及命名实体划分，得到多个问答语料子集； 从多个所述问答语料子集中提取与所述咨询文本相关的问答语料子集，组成回答文本集，根据预构建的切分词典，按照预设的切分顺序、切分数量和切分公差对所述回答文本集执行至少一轮切分操作得到多个切分词汇，直至所述多个切分词汇均在所述切分词典出现，并汇总得到问答词组集，对所述问答词组集执行向量编码操作得到问答编码集； 将所述问答编码集输入至预训练完成的深度学习问答模型中，得到所述咨询文本的回答文本； 其中，所述根据预构建的切分词典，按照预设的切分顺序、切分数量和切分公差对所述回答文本集执行至少一轮切分操作得到多个切分词汇，直至所述多个切分词汇均在所述切分词典出现，并汇总得到问答词组集，包括： 步骤Ⅰ：提取所述回答文本集内每个回答文本； 步骤Ⅱ：按照预设的切分规则，对所述回答文本进行切分得到回答切分词； 步骤Ⅲ：判断所述回答切分词在所述切分词典是否出现，若所述回答切分词在所述切分词典不出现，返回步骤Ⅱ； 步骤Ⅳ：若所述回答切分词在所述切分词典出现，继续对所述回答文本进行切分，直至所述回答文本集提取完成得到所述问答词组集； 所述深度学习问答模型的训练包括： 步骤A：根据预先设定的网络组合权重函数，对多组长短期记忆网络进行组合得到待训练深度学习问答模型，并获取问答训练集和问答标签集，将所述问答训练集输入至所述待训练深度学习问答模型； 步骤B：计算每组长短期记忆网络之间的关联权重得到关联权重集； 步骤C：对所述关联权重集的进行加权求和及激活处理得到问答预测集； 步骤D：计算所述问答预测集和所述问答标签集的误差值，若所述误差值大于预设的误差阈值，根据预构建的优化函数，重新计算每组长短期记忆网络之间的关联权重得到关联权重集，并返回步骤C； 步骤E：若所述误差值小于或等于所述误差阈值，得到训练完成的所述深度学习问答模型。

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平安科技(深圳)有限公司，其通讯地址为：518000 广东省深圳市福田区福田街道福安社区益田路5033号平安金融中心23楼；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。