(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210100970.3 (22)申请日 2022.01.27 (71)申请人 北京百度网讯科技有限公司 地址 100085 北京市海淀区上地十街10号 百度大厦2层 (72)发明人 张力文　丁鑫哲　刘凯　李婷婷　 (74)专利代理 机构 北京鸿德 海业知识产权代理 有限公司 1 1412 专利代理师 田宏宾 (51)Int.Cl. G06F 16/332(2019.01) G06F 16/432(2019.01) G06F 40/30(2020.01) G06N 3/08(2006.01) (54)发明名称 问答方法、 装置、 电子设备和可读存 储介质 (57)摘要 本公开提供了一种问答方法、 装置、 电子设 备和可读存储介质， 涉及自然语言处理、 深度学 习、 云服务等人工智能技术领域。 其中， 问答方法 包括： 获取待查询问题， 得到所述待查询问题的 第一问题向量与第二问题向量； 根据所述第一问 题向量， 从多个候选向量中确定至少一个第一目 标向量； 根据与所述至少一个第一目标向量对应 的图片， 得到与所述至少一个第一目标向量对应 的第一图片向量； 根据所述第二问题向量与至少 一个第一图片向量， 从所述至少一个第一目标向 量中确定至少一个第二目标向量； 根据与所述至 少一个第二目标向量对应的候选内容， 得到所述 待查询问题的答案。 本公开能够丰富所获取的答 案中包含的内容， 提升在获取答案时的准确性。 权利要求书3页 说明书12页 附图4页 CN 114461771 A 2022.05.10 CN 114461771 A 1.一种问答方法， 包括： 获取待查询问题， 得到所述待查询问题的第一问题向量与第二问题向量； 根据所述第一问题向量， 从多个候选向量中确定至少一个第一目标向量， 所述候选向 量与包含文字与图片的一个候选内容相对应； 根据与所述至少一个第 一目标向量对应的图片， 得到与 所述至少一个第 一目标向量对 应的第一图片向量； 根据所述第 二问题向量与至少一个第 一图片向量， 从所述至少一个第 一目标向量中确 定至少一个第二目标向量； 根据与所述至少一个第二目标向量对应的候选内容， 得到所述待查询问题的答案 。 2.根据权利要求1所述的方法， 其中， 所述得到所述待查询问题的第一问题向量包括： 将所述待查询问题输入问题文本模型， 将所述问题文本模型的输出结果作为所述第 一 问题向量， 所述第一问题向量 为用于表示所述待查询问题的答案所对应的语义的向量。 3.根据权利要求2所述的方法， 其中， 所述问题文本模型是采用以下训练方式训练得 到： 获取第一训练数据， 所述第 一训练数据中包含多个样本问题与多个样本问题的答案标 注向量； 将所述多个样本问题输入神经网络模型， 得到所述神经网络模型针对每个样本问题输 出的答案预测向量； 使用每个样本问题的答案标注向量与答案预测向量计算损失函数值； 根据所述损 失函数值调整所述神经网络模型的参数， 直至所述神经网络模型收敛， 得 到所述问题文本模型。 4.根据权利要求1 ‑3中任一项所述的方法， 其中， 所述根据所述第一问题向量， 从多个 候选向量中确定 至少一个第一目标向量包括： 获取多个候选向量； 分别计算所述第一问题向量与所述多个候选向量之间的第一相似度； 将所述第一相似度满足第一预设条件的候选向量， 作为所述至少一个第一目标向量。 5.根据权利要求 4所述的方法， 其中， 所述获取多个候选向量包括： 获取至少一个候选资源， 得到所述至少一个候选资源中的图片以及位于图片周围的文 字； 根据所述图片中包 含的文字， 得到对应图片的第二图片向量； 根据所述 位于图片周围的文字， 得到对应文字的第一文字向量； 将由一个第二图片向量与一个第一文字向量组成的向量， 作为 一个候选向量。 6.根据权利要求1 ‑5中任一项所述的方法， 其中， 所述根据 所述第二问题向量与至少一 个第一图片向量， 从所述至少一个第一目标向量中确定 至少一个第二目标向量包括： 分别计算所述第二问题向量与至少一个第一图片向量之间的第二相似度； 将所述第二相似度满足第 二预设要求的第 一目标向量， 作为所述至少一个第 二目标向 量。 7.根据权利要求6所述的方法， 其中， 所述将所述第 二相似度满足第 二预设要求的第 一 目标向量， 作为所述至少一个第二目标向量包括：权　利　要　求　书 1/3 页 2 CN 114461771 A 2获取所述第一问题向量与所述至少一个第一目标向量之间的第一相似度； 根据所述第一相似度与所述第二相似度， 得到所述至少一个目标向量的第三相似度； 将所述第三相似度满足第 三预设要求的第 一目标向量， 作为所述至少一个第 二目标向 量。 8.根据权利要求7所述的方法， 其中， 所述根据所述第一相似度与所述第二相似度， 得 到所述至少一个目标向量的第三相似度包括： 获取第一权 重值与第二权 重值； 获取所述第 一权重值与所述第 一相似度的第 一乘积、 以及所述第 二权重值与 所述第二 相似度的第二乘积； 将所述第一乘积与所述第二乘积的相加结果， 作为所述第三相似度。 9.一种问答装置， 包括： 获取单元， 用于获取待查询问题， 得到所述待查询问题的第一问题向量与第二问题向 量； 第一确定单元， 用于根据所述第一问题向量， 从多个候选向量中确定至少一个第一目 标向量， 所述 候选向量与包 含文字与图片的一个候选内容相对应； 处理单元， 用于根据与所述至少一个第一目标向量对应的图片， 得到与所述至少一个 第一目标向量对应的第一图片向量； 第二确定单元， 用于根据所述第二问题向量与至少一个第一图片向量， 从所述至少一 个第一目标向量中确定 至少一个第二目标向量； 反馈单元， 用于根据与所述至少一个第二目标向量对应的候选内容， 得到所述待查询 问题的答案 。 10.根据权利要求9所述的装置， 其中， 所述获取单元在得到所述待查询问题的第一问 题向量时， 具体执 行： 将所述待查询问题输入问题文本模型， 将所述问题文本模型的输出结果作为所述第 一 问题向量， 所述第一问题向量 为用于表示所述待查询问题的答案所对应的语义的向量。 11.根据权利要求10所述的装置， 还包括训练单元， 用于采用以下训练方式训练得到所 述问题文本模型： 获取第一训练数据， 所述第 一训练数据中包含多个样本问题与多个样本问题的答案标 注向量； 将所述多个样本问题输入神经网络模型， 得到所述神经网络模型针对每个样本问题输 出的答案预测向量； 使用每个样本问题的答案标注向量与答案预测向量计算损失函数值； 根据所述损 失函数值调整所述神经网络模型的参数， 直至所述神经网络模型收敛， 得 到所述问题文本模型。 12.根据权利要求9 ‑11中任一项所述的装置， 其中， 所述第 一确定单元在根据所述第一 问题向量， 从多个候选向量中确定 至少一个第一目标向量时， 具体执 行： 获取多个候选向量； 分别计算所述第一问题向量与所述多个候选向量之间的第一相似度； 将所述第一相似度满足第一预设条件的候选向量， 作为所述至少一个第一目标向量。权　利　要　求　书 2/3 页 3 CN 114461771 A 3