技术特征：
1.一种神经网络训练方法，其特征是，包括步骤：s1:对句子进行标注；s2:将标注好的句子输入神经网络模型；s3:设置损失函数；s4:根据损失函数的损失值，对神经网络进行训练。2.如权利要求1所述的神经网络训练方法，其特征是，步骤s1:对句子进行标注为：sentencea，sentenceb，score。3.如权利要求1所述的神经网络训练方法，其特征是，步骤s3:设置损失函数中的损失函数公式为：其中，m为训练的样本数量，label为人工标注的sentencea和sentenceb的相似度，esentencea和esentenceb为神经网络模型中抽取出来的句向量，cos为余弦相似度。4.如权利要求1所述的神经网络训练方法，其特征是，s2:将标注好的句子输入神经网络模型包括步骤：将字向量、位置编码、字所在的句子信息均设置为128维；将上述各向量乘以矩阵，得到768维的向量；输入神经网络，得到句子特征f，句子特征维度为：输入句子个数*最长句子长度*768；将句子特征f输入至卷积神经网络，对句子的每个字的特征进行加权求和。5.如权利要求1所述的神经网络训练方法，其特征是，所述神经网络结构为依次串联的6对transformer组和卷积神经网络构成，其中，每对transformer组由二层transformer构成，每组的transformer参数完全共享。6.一种基于神经网络的语义检索方法，其特征是，包括步骤：对文本库进行计算得到特征向量e_total，并存储；将用户查询的信息转换为向量s_f；计算s_f和e_total的余弦相似度；将余弦相似度得分最高的前n条句子返回检索结果。7.一种基于神经网络的语义检索系统，其特征是，包括采集模块、处理模块以及输出模块，其中：采集模块对文本库进行计算得到特征向量e_total，并存储；处理模块用以对用户的输入的信息进行处理；输出模块用以将处理模块的处理结果返回给用户。8.一种计算机可读存储介质，其特征是，所述存储介质中存储有指令或者程序，所述指令或者程序由处理器加载并执行以实现如权利要求6所述的语义检索方法。9.一种电子设备，其特征是，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行如权利要求6所述的语义检索方法。
技术总结
本发明公开一种神经网络训练方法，包括步骤：S1:对句子进行标注；S2:将标注好的句子输入神经网络模型；S3:设置损失函数；S4:根据损失函数的损失值，对神经网络进行训练。本发明采取的技术方案使用的神经网络训练方法得到的模型参数少，检索速度快，能够获取文本的语义信息，从而提高了检索的准确率。从而提高了检索的准确率。从而提高了检索的准确率。
技术研发人员：曾祥云 朱姬渊
受保护的技术使用者：上海易康源医疗健康科技有限公司
技术研发日：2022.01.26
技术公布日：2022/5/6