[发明专利]一种机器阅读理解方法、装置、设备及存储介质

说明书

本申请提供了一种机器阅读理解方法、装置、设备及存储介质，包括：将问题的语义信息编码至相应的原文中，得到综合表示矩阵；针对每个原文分词，确定该原文分词以及其之后的相邻设定数目个原文分词，为该原文分词对应的候选分词；针对该原文分词对应的每个候选分词，基于综合表示矩阵，确定该原文分词为问题的答案起点且该候选分词为问题的答案终点的概率，为分词组的答案边界概率；基于综合表示矩阵，确定该原文分词至该候选分词对应的原文片段为问题的答案内容的概率，为分词组的答案内容概率；根据各个分词组的答案边界概率和答案内容概率，确定问题的答案。通过答案边界和答案内容这两个预测结果共同确定问题答案，提高了确定的答案的准确度。

技术领域

本申请涉及深度学习技术领域，具体而言，涉及一种机器阅读理解方法、装置、设备及存储介质。

背景技术

机器阅读理解作为自然语言处理(Natural Language Processing，NLP)的子领域，越来越受到关注。机器阅读理解能够从非结构化的原始文本中直接抽取出相应问题对应的答案，而不依赖于知识库的结构性，极大地降低了人工构建知识库的成本。

目前，相关技术提供了一种机器阅读理解模型，该机器阅读理解模型通过对原文和问题进行学习，能够分别预测问题的答案在原文中起点边界和终点边界，并输出这两个边界对应的原文片段作为问题的答案片段。

上述机器阅读理解模型虽然得到了一定的效果，但是，当预测的答案片段较长时，答案片段的起点边界和终点边界的依赖性会非常小，这就会导致模型输出的答案片段的准确度较低。

发明内容

有鉴于此，本申请实施例的目的在于提供一种机器阅读理解方法、装置、设备及存储介质，通过答案边界的预测结果与答案内容的预测结果共同确定问题的答案，提高了确定的答案的准确度。

第一方面，本申请实施例提供了一种机器阅读理解方法，包括：

将问题的语义信息编码至相应的原文中，得到所述原文对应的综合表示矩阵；以及，

针对原文中的每个原文分词，确定该原文分词以及位于该原文分词之后的相邻设定数目个原文分词，作为该原文分词对应的候选分词；

针对该原文分词对应的每个候选分词，基于所述原文对应的综合表示矩阵，确定该原文分词为所述问题的答案起点且该候选分词为所述问题的答案终点的概率，并将该概率作为分词组对应的答案边界概率，其中，所述问题为针对所述原文的问题，所述分词组包括该原文分词以及该候选分词；

基于所述原文对应的综合表示矩阵，确定该原文分词至该候选分词对应的原文片段为所述问题的答案内容的概率，并将该概率作为所述分词组对应的答案内容概率；

根据得到的各个分词组对应的答案边界概率以及各个分词组对应的答案内容概率，确定所述问题的答案。

结合第一方面，本申请实施例提供了第一方面的第一种可能的实施方式，其中，确定所述问题的答案，具体包括：

确定各个分词组对应的答案边界概率与相应分词组对应的答案内容概率的乘积；

将对应乘积最大的分词组中的原文分词至候选分词对应的原文片段，确定为所述问题的答案。

结合第一方面，本申请实施例提供了第一方面的第二种可能的实施方式，其中，确定该原文分词为所述问题的答案起点且该候选分词为所述问题的答案终点的概率，具体包括：

将所述综合表示矩阵输入到第一双向门控循环单元BiGRU模型中，得到第一表示矩阵；

将所述第一表示矩阵输入到第二BiGRU模型中，得到第二表示矩阵；

将所述第一表示矩阵和所述综合表示矩阵均输入到第一线性分类器中，得到该原文分词为所述问题的答案起点的概率；