[发明专利]一种抗干扰的融合检索和机器阅读理解的问答方法及系统

权利要求书

1.一种融合检索和机器阅读理解的文本查询方法，其特征在于，包括：

接收用户的查询请求；所述查询请求包括查询文本；

根据所述查询文本进行搜索，获取预设第一个数的候选文档；

将所述预设第一个数的候选文档和所述查询文本输入预设的二分类模型，根据所述二分类模型输出的置信度，从所述预设第一个数的候选文档中选取预设第二个数的候选文档；

将所述预设第二个数的候选文档和所述查询文本输入预设的段落抽取阅读理解模型，根据所述段落抽取阅读理解模型输出的所述候选文档中与所述查询文本对应的段落或句子，以及所述段落或句子的上标、下标的置信度，从所述预设第二个数的候选文档中选取预设第三个数的所述段落或句子；

将所述预设第三个数的所述段落或句子返回给所述用户；

其中，训练所述段落抽取阅读理解模型，包括：

获取若干第二查询文本训练数据，以及，标记所述第二查询文本训练数据对应的段落或句子，其中包括文档中的上标和下标；

利用双向注意力流模型BiDAF预训练一个段落抽取阅读理解模型；

固定预训练的所述段落抽取阅读理解模型的参数权重，随机生成一个标准化处理的Embedding词表权重向量，得到一个干扰句子向量；

将所述第二查询文本训练数据经过Embedding编码后加上所述干扰句子向量，以最大化预测错误率为目标，利用梯度下降法训练干扰词表权重；

利用束搜索将所述干扰词表权重解码成干扰词；

将所述干扰词的幂集加入所述查询文本，训练出一个基于Roberta和指针网络的段落抽取阅读理解模型。

2.如权利要求1所述的方法，其特征在于，

所述预设第一个数的候选文档，包括：全体搜索结果中，搜索结果置信度最高的预设第一个数的候选文档；

所述预设第二个数的候选文档，包括：所述预设第一个数的候选文档中，所述二分类模型输出的置信度最高的预设第二个数的候选文档；

所述预设第三个数的段落或句子，包括：所述预设第二个数的候选文档的所述段落或句子中，上标、下标的置信度的乘积最高的预设第三个数的所述段落或句子。

3.如权利要求2所述的方法，其特征在于，将所述预设第三个数的所述段落或句子返回给所述用户，包括：

根据所述搜索结果置信度、所述二分类模型输出的置信度和所述上标、下标的置信度的乘积的综合结果，对所述预设第三个数的段落或句子进行排序；

将排序结果返回给所述用户。

4.如权利要求1所述的方法，其特征在于，根据所述查询文本进行搜索，获取预设第一个数的候选文档，包括：

根据所述查询文本，使用BM25算法和RM3算法进行搜索，获取预设第一个数的候选文档。

5.如权利要求1所述的方法，其特征在于，训练所述二分类模型，包括：

获取若干第一查询文本训练数据，以及，标记包含所述第一查询文本训练数据对应答案的第一文档；

为每个第一查询文本训练数据随机生成若干不相关的第二文档；

将所述第一查询文本训练数据、所述第一文档和所述第二文档经过Bert编码后输入全连接神经网络，得到训练好的二分类模型。