本发明公开了一种基于多粒度融合模型的中文句子语义智能匹配方法及装置，属于人工智能领域和自然语言处理领域，本发明要解决的技术问题为单粒度模型语义分析不全面和句子匹配不精确，采用的技术方案为：该方法具体如下：S1、构建文本匹配知识库；S2、构建文本匹配模型的训练数据集；S3、构建多粒度融合模型；具体如下：S301、构建字符词语映射转换表；S302、构建输入层；S303、构建多粒度嵌入层；S304、构建多粒度融合编码层；S305、构建交互匹配层；S306、构建预测层；S4、训练多粒度融合模型。该装置包括文本匹配知识库构建单元、文本匹配模型的训练数据集构建单元、多粒度融合模型构建单元和多粒度融合模型训练单元。

本发明公开了一种基于Wikipedia链接结构的中文概念向量生成方法和装置，该方法包括：根据中文Wikipedia页面中的标题概念和/或链接概念构建链接信息库；针对链接信息库中样本是否存在链接概念分别构建训练正例和训练负例，选择一定数量训练正例和训练负例建立训练数据集；建立概念向量模型，模型包括输入层、嵌入层、概念向量运算层和输出层；采用训练数据集训练概念向量模型，并由概念向量模型中提取概念向量。

本发明公开了一种基于Wikipedia概念向量的英文词语相关度计算方法和装置。方法包括：1.由Wikipedia Dump服务站点获取生语料，进行规范化处理，生成Wikipedia基础语料库；2.进行概念标注扩充，构建Wikipedia概念语料库；3.根据Wikipedia概念语料库，训练概念向量；4.对于待比较词语对，根据Wikipedia，获得其词语概念集合；5.计算概念集合的笛卡尔积中的每个概念对所对应的概念向量的相似度，取最大值作为待比较词语对的相关度。利用本发明，可以充分挖掘Wikipedia蕴含的词语概念信息，生成词语概念向量，更准确有效地计算词语相关度。

本发明公开了一种面向银行咨询服务基于多粒度对齐的文本对语义匹配方法，属于人工智能、自然语言处理技术领域。本发明要解决的技术问题为如何准确地判断一对文本的语义是否相同，采用的技术方案为：通过构建并训练由多粒度嵌入模块、多粒度对齐模块、特征融合编码模块以及标签预测模块构成的文本对语义匹配模型，获取不同文本间的字粒度、词粒度的相关性信息，并进一步得到文本在不同粒度上的最终语义表示，随后通过特征融合编码得到文本的深层语义信息表示，同时计算文本间相似度得到最终的文本对语义匹配张量，最后根据文本对语义匹配张量预测文本对的匹配程度，以达到判断文本对语义是否匹配的目标。

本发明公开了一种面向建筑行业信息化服务问答系统的文本生成方法和装置，属于人工智能、自然语言处理技术领域。本发明要解决的技术问题为如何防止生成式问答系统的编码过程中的层间特征缺失和解码过程中的特征缺失，以保证文本生成的精确性，采用的技术方案为：通过构建并训练由嵌入模块、编码器模块、隐藏状态互信息模块、隐藏变量互信息模块、解码器模块组成的文本生成模型，实现对原始文本的多层编码，获取原始文本的文本表示和隐藏信息；分别对不同层次编码的隐藏状态、原始文本的隐藏变量及其采样信息计算互信息，最大化其互信息；对原始文本和目标文本进行编码，通过注意力机制获取两者之间的相关性信息，最终以达到文本生成的目的。

本发明公开了基于图神经网络和评论相似度的会话推荐方法和系统，根据会话中的商品序列以及评论信息，为当前会话的用户推荐目标商品。本发明将评论信息融入到图神经网络模型中，同时考虑会话中蕴含的商品间依赖关系和文本空间中商品间相似关系。本会话推荐方法主要由四个模块组成：基于评论相似度的全局图模块，根据商品的评论文档得到商品在文本空间的相似度，并依据此相似度构建基于评论的商品全局图；局部图模块，根据当前会话的商品序列，得到在会话中的商品局部图；会话生成模块，结合商品在前两个模块分别得到的商品全局图和商品局部图表示，生成最终会话表示；候选商品预测模块，根据会话表示，预测各个候选商品的得分，推荐目标商品。

本实用新型公开了一种虚拟现实技术用仿真教育一体机，涉及教育一体机技术领域，包括转动轴、底板与清洁刷，所述底板的上方安装有底座，且底座的一侧安装有座椅，所述安装块的顶端安装有防护壳，所述防护壳的内侧安装有一体机本体，且一体机本体下方的凹槽中放置有3D追踪眼镜，且3D追踪眼镜的一侧放置有红外笔，所述一体机本体的一端活动安装有滑动板，且滑动板的内壁安装有清洁刷，利用移动滑动板在一体机本体上滑动，同时滑动板带动清洁刷在一体机本体上左右移动，对一体机本体表面进行清洁，同时风机工作，清洁的灰尘通过支管进入主管内，然后进入收集箱内收集，解决了不便灰尘清理的问题。

本发明公开了一种基于依存约束和知识的名词词义消歧方法和装置。方法包括：对大规模语料进行依存句法分析，收集所得的依存元组并统计其频数，构建依存知识库；对歧义名词所在句子进行依存句法分析，提取符合设定条件的16种依存元组，作为歧义名词的依存约束集合；根据语义词典，为歧义名词的各个词义，依次提取同义词集、反义词集、上位词集作为相应词义的词义代表词集；根据依存知识库和词义代表词集，依次计算歧义名词的各个词义在依存约束集合的后验概率；根据后验概率选择歧义名词的正确词义。利用本发明，可以充分发挥依存句法分析的作用，更准确有效地判定歧义名词的词义。

本发明公开了一种基于多重进化矩阵的蛋白质二级结构预测方法，包括：下载蛋白质NR数据库及BLAST程序本地软件包，生成给定蛋白质序列的位置特异性打分矩阵PSSM矩阵，对PSI‑BLAST程序进行参数调整得到蛋白质序列的不同趋异度的进化矩阵；对进化矩阵中的所有特征向量进行处理，构成多重进化矩阵特征；将多重进化矩阵的特征作为分类器的输入并对分类准确率进行评价，获得优化模型；针对结构未知的蛋白质，输入优化模型，预测蛋白质的二级结构。本发明对于一条蛋白质序列，同时使用多种不同进化趋异度的矩阵来表示蛋白质序列，更为充分的表示了蛋白质结构信息，更全面的考虑了残基替换的可能性，提高了蛋白质二级结构预测的准确率，编码方法简单有效。

本发明公开了医疗自动问答方法及装置、存储介质、电子设备，属于自然语言处理技术领域及计算机人工智能领域，本发明要解决的技术问题为如何使用自然语言处理技术为患者在已有的问答结果中选择匹配的答案并将其推荐给用户，减少医生的工作量，提高问题解答的速度，采用的技术方案为：①一种医疗自动问答方法，该方法包括如下步骤：S1、构建医疗问答知识库；S2、构建问答模型训练数据集；S3、构建问答模型；S4、训练问答模型和答案选择。②一种医疗自动问答装置，该装置包括：医疗问答知识库构建单元、问答模型训练数据集生成单元、问答模型构建单元以及问答模型训练和答案选择单元。