[发明专利]基于随机优化预测的机器阅读理解的答案匹配方法及系统

说明书

本发明提供一种基于随机优化预测的机器阅读理解的答案匹配方法及系统，包括有：获取问题以及与所述问题关联的段落；对所述问题进行分词和向量化，获取每个问题词对应的问题特征向量；对所述段落进行分词和向量化，获取每个段落词对应的段落特征向量；根据所述问题特征向量对所述段落特征向量通过随机优化方法进行随机预测，在所述段落中匹配出所述问题对应的最优答案。本发明通过随机优化方法进行随机预测，不过于强调某一特定步骤的预测，避免了阶跃偏差问题；在预测中引入随机优化方法，提高了机器阅读理解匹配答案时的准确性。

技术领域

本发明涉及信息技术领域，特别是涉及一种基于随机优化预测的机器阅读理解的答案匹配方法及系统。

背景技术

在机器阅读理解领域，随着大规模数据集的不断发布，计算机处理数据能力的不断提高，深度学习和神经网络研究的不断深入，机器阅读理解已经取得了很大的进展。但是在开放问答领域，现有的机器阅读理解匹配答案时均是通过独立方式对答案进行建模，过于强调某一特定步骤的预测，导致匹配答案时的鲁棒性低。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于随机优化预测的机器阅读理解的答案匹配方法及系统，用于解决现有技术中存在的技术问题。

为实现上述目的及其他相关目的，本发明提供一种基于随机优化预测的机器阅读理解的答案匹配方法，包括有：

获取问题以及与所述问题关联的段落；

对所述问题进行分词和向量化，获取每个问题词对应的问题特征向量；

对所述段落进行分词和向量化，获取每个段落词对应的段落特征向量；

根据所述问题特征向量对所述段落特征向量通过随机优化方法进行随机预测，在所述段落中匹配出所述问题对应的答案；其中，所述随机优化方法包括以下至少之一：随机梯度下降、粒子群算法、遗传算法。

可选地，对所述问题进行分词，获取一个或多个问题词；根据预先训练好的一维或多维问题Word2vec或者Glove词向量对所述问题词进行向量化，获取每个问题词对应的问题特征向量；

对所述段落进行分词，获取一个或多个段落词；根据预先训练好的一维或多维段落Word2vec或者Glove词向量对所述段落词进行向量化，获取每个段落词对应的段落特征向量。

可选地，将预先训练好的一维或多维问题Word2vec或者Glove词向量、所述某一问题逻辑关系词嵌入所述问题Word2vec或者Glove词向量中；将预先训练好的一维或多维段落Word2vec或者Glove词向量、所述某一段落逻辑关系词嵌入至所述段落Word2vec或者Glove词向量中。

可选地，将所述问题特征向量和段落特征向量分别输入神经网络网络模型，获取能够融合所述问题上下文逻辑语义信息的问题语义向量和能够融合所述段落上下文逻辑语义信息的段落语义向量。

可选地，计算所述增强问题语义向量与所述增强段落语义向量的相似度，获取所述增强问题语义向量与所述增强文本语义向量的相似度矩阵；其中，所述相似度矩阵表示所述段落中各个语义向量与所述问题中各个语义向量的相似度；

获取由问题词构成的问题词集合以及由段落词构成的段落词集合；

若所述问题对应的候选答案在所述段落词集合中存在多个，则根据所述相似度矩阵随机优化方法预测所述候选答案集合中的一个最优答案；获取问题向量和每个候选答案的段落向量；每个问题向量在所述段落向量集合中对应的候选答案逻辑关系的起始位置和答案结束位置；获取候选答案起始位置和候选答案结束位置的各个逻辑关系，确定所述答案起始位置和所述答案结束位置的最优候选，根据所述最大联合分布概率在段落词集合中所对应的段落词片段确定为所述问题对应的答案。