1.一种基于sarn模型的候选回答语句生成方法,所述sarn模型包括编码网络和解码网络,所述生成方法包括:
利用所述编码网络获得输入语句特征;
基于所述输入语句特征,利用所述解码网络获得对应的候选回答语句;
其中,所述解码网络采用了随机隐变量因子针对所述候选回答语句的多样性进行建模。
2.根据权利要求1所述的生成方法,其特征在于,所述解码网络包括宏观语义层和微观词汇层;其中,所述宏观语义层对应的所述随机隐变量因子是用于表征和决策所述候选回答语句宏观特性的宏观语义隐变量因子;所述微观词汇层对应的所述随机隐变量因子是用于表征和决策所述输入语句词汇注意力的微观词汇隐变量因子。
3.根据权利要求2所述的生成方法,其特征在于,基于所述输入语句特征,利用所述解码网络获得对应的候选回答语句进一步包括:
在宏观语义层,计算所述宏观语义隐变量因子的高斯分布参数,并执行随机采样,将获得的结果输入至所述微观语义层。
4.根据权利要求3所述的生成方法,其特征在于,基于所述输入语句特征,利用所述解码网络获得对应的候选回答语句进一步包括:
在微观语义层,基于注意力机制,重复执行针对所述微观词汇隐变量因子的计算,直到获得一条完整的所述候选回答语句;其中,每执行一次针对所述微观词汇隐变量因子的计算,可获得所述候选回答语句中的一个词汇。
5.根据权利要求4所述的生成方法,其特征在于,执行针对所述微观词汇隐变量因子的计算进一步包括:
计算所述微观词汇隐变量因子的高斯分布参数,并执行随机采样;
根据所述输入语句特征,基于注意力机制,计算对应于所述输入语句中的词汇的注意力隐含状态参数;
根据概率分布,利用所述微观词汇隐变量因子的随机采样结果和所述注意力隐含状态参数,计算所述候选回答语句中词汇对应的分布向量;
根据所述分布向量,从预定义词库中选择概率值最大的词汇作为当前轮次的输出词汇。
6.一种适用于人机交互的自然语言选择方法,包括:
利用如权利要求1-5任一项所述方法建立的人机交互模型获得对应于输入语句的多样性候选回答语句;
根据所述候选回答语句的语句特征,获得与所述输入语句对应的回答语句。
7.根据权利要求6所述的选择方法,其特征在于,根据所述候选回答语句的语句特征,获得与所述输入语句对应的回答语句进一步包括:
计算各所述候选回答语句的tf-idf特征向量;
利用所述tf-idf特征向量对预定义自然语言数据库进行筛选,获得匹配结果;
基于所述匹配结果获得与所述输入语句对应的回答语句。
8.根据权利要求7所述的选择方法,其特征在于,基于所述匹配结果获得与所述输入语句对应的回答语句进一步包括:
采用随机选择的方法从所述匹配结果中选择所述对应的回答语句。
9.一种基于sarn模型的候选回答语句生成系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器运行所述程序时执行如权利要求1-5任一项所述的步骤。
10.一种适用于人机交互的自然语言选择系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器运行所述程序时执行如权利要求6-8任一项所述的步骤。