[发明专利]智能机器阅读理解方法、装置、电子设备及存储介质

说明书

本发明实施例提供了一种智能机器阅读理解方法、装置、电子设备及存储介质。其中，智能机器阅读理解方法，包括：获取待检问题；通过深度语义匹配的方式，从预设的问题答案优选集中匹配所述待检问题的答案；如果匹配到所述答案，则将所述答案作为最终答案，否则通过预先训练好的阅读理解模型，获得所述待检问题的最终答案，其中，所述预先训练好的阅读理解模型包括BERT模型和QANet模型。本发明的实施例，可以有效地提升智能机器阅读理解结果的准确性和可靠性。

技术领域

本发明涉及智能机器阅读理解技术领域，尤其涉及一种智能机器阅读理解方法、装置、电子设备及存储介质。

背景技术

现有的机器阅读理解技术都是基于特定数据集的处理方法，主要有三种代表方法：一种是基于传统特征的方法，通过选取不同的特征，然后基于选取的特征构造并学习一个三元打分函数，将得分最高的候选答案a作为问题q在文档d中的答案；第二种是基于神经网络的方法；第三种是基于深层语义的图匹配方法。其中，基于传统特征的方法由于特征本身所具有的局限性，很难处理复述以及远距离依赖问题。基于神经网络的方法对于某些需要引入外部知识进行更深层次推理、几乎不可能仅仅通过相似度匹配得到结果的任务则无能为力。基于深层语义的图匹配方法由于对于外部知识的依赖性较强，因此适用范围较窄，可拓展性较弱。

发明内容

针对现有技术中的问题，本发明实施例提供一种智能机器阅读理解方法、装置、电子设备及存储介质。

具体地，本发明实施例提供了以下技术方案：

第一方面，本发明实施例提供了一种智能机器阅读理解方法，包括：

获取待检问题；

通过深度语义匹配的方式，从预设的问题答案优选集中匹配所述待检问题的答案；

如果匹配到所述答案，则将所述答案作为最终答案，否则通过预先训练好的阅读理解模型，获得所述待检问题的最终答案，其中，所述预先训练好的阅读理解模型包括BERT模型和QANet模型。

进一步地，所述如果匹配到所述答案，则将所述答案作为最终答案，包括：

从所述问题答案优选集和所述待检问题进行深度语义匹配，并判断匹配结果中是否存在匹配度超过预设阈值的结果；

如果有，则将匹配度超过预设阈值的结果作为所述最终答案。

进一步地，在通过预先训练好的阅读理解模型，获得所述待检问题的最终答案之前，包括：对所述阅读理解模型进行训练。

进一步地，所述对所述阅读理解模型进行训练，包括：

对文档集以及问答对集进行切分，得到问题集以及候选答案片段集；

通过BERT模型预测答案起始位置和终止位置，并预测答案与真实答案的评测差异；

基于所述评测差异对所述BERT模型进行二次训练，得到训练好的BERT模型。

进一步地，通过预先训练好的阅读理解模型，获得所述待检问题的最终答案，包括：

获得所述BERT模型的预测答案，获得所述QANet模型的预测答案；

对所述BERT模型的预测答案和所述QANet模型的预测答案进行加权求和，得到所述最终答案。

进一步地，还包括：

获取最终答案的反馈信息，并根据反馈信息对所述阅读理解模型进行模型优化。

第二方面，本发明实施例还提供了一种智能机器阅读理解装置，包括：

获取模块，用于获取待检问题；

答案确定模块，用于通过深度语义匹配的方式，从预设的问题答案优选集中匹配所述待检问题的答案，如果匹配到所述答案，则将所述答案作为最终答案，否则通过预先训练好的阅读理解模型，获得所述待检问题的最终答案，其中，所述预先训练好的阅读理解模型包括BERT模型和QANet模型。