[发明专利]机器阅读理解的问答方法、装置、计算机设备及存储介质

说明书

本发明公开了一种机器阅读理解的问答方法、装置、计算机设备及存储介质，所述方法包括获取用户提问的问句，对问句分类后分别进行预处理；获取经预处理的问句中的实体类型、意图类型及关键词表；根据实体类型和关键词表检索文档库得到答案文档集；将所述答案文档集中的文档进行切段和冗余过滤得到答案段落集；通过计算问句与答案段落集中每个段落的相关度分数得到优选段落集；根据优选段落集中的每个段落和问句以及问句的意图类型得到问句答案集；对所述问句答案集中的问句答案进行排序得到最优答案。本发明的技术方案实现了跨文档、跨段落阅读理解获取答案，机器阅读理解模型构建简单，表达能力强，成本低，同时提高了获取问句答案的准确率。

技术领域

本发明涉及人机问答技术领域，尤其涉及一种机器阅读理解的问答方法、装置、计算机设备及存储介质。

背景技术

机器阅读理解是一种利用算法使计算机理解文章语义并回答相关问题的技术。机器阅读理解的输入为文章和问题文本，输出为问题答案，当前，绝大多数机器阅读理解的问答系统基于深度学习的卷积神经网络和循环神经网络来实现，深度学习的特点是模型能根据训练集上预测的准确度直接优化参数，不断提高模型性能，一般用于解决事实类问题和定义类问题的回答，对于复杂问题的回答，通常需要构建知识图谱来解决。

现有的基于卷积神经网络和循环神经网络的机器阅读理解问答系统，具体实现时需要添加各种注意力机制，由此导致了模型的构建复杂，表达能力差的问题。另一方面，现有的机器阅读理解问答系统对于复杂的问题的回答，通常采用构建知识图谱的处理方式，然而构建知识图谱的实现复杂，成本极高。

发明内容

基于此，有必要针对上述技术问题，提供一种机器阅读理解的问答方法、装置、计算机设备及存储介质，以解决现有的基于卷积神经网络和循环神经网络的机器阅读理解问答系统，模型构建复杂，表达能力差的问题以及对于复杂问题处理需要构建知识图谱所导致的实现复杂，构建成本高的问题。

第一方面，本发明实施例提供一种机器阅读理解的问答方法，包括：

获取用户问题中的问句，对所述问句进行分类，根据问句类型分别对所述问句进行预处理。

获取经过预处理的所述问句中的实体类型、意图类型及关键词表。

根据所述实体类型和所述关键词表检索文档库，得到答案文档集。

将所述答案文档集中的文档进行切段和冗余过滤，得到答案段落集。

使用问句段落相关度模型计算所述问句与所述答案段落集中每个段落的相关度分数，选取相关度分数最高的若干个段落组成优选段落集。

将所述优选段落集中的每个段落和所述问句以及所述问句的意图类型输入基于BERT的阅读理解模型，得到所述优选段落集中的每个段落对应的问句答案，将全部所述问句答案组成问句答案集。

根据统计特征对所述问句答案集中的问句答案进行排序，得到最优答案；所述统计特征包括所述问句答案出现的频次、所述问句的意图类型、所述问句答案通顺程度及最值类型中的一种或多种。

第二方面，本发明实施例提供一种机器阅读理解的问答装置，包括：

问句预处理模块，用于获取用户问题中的问句，对所述问句进行分类，根据问句类型分别对所述问句进行预处理。

问句特征提取模块，用于获取经过预处理的所述问句中的实体类型、意图类型及关键词表。

文档检索模块，用于根据所述实体类型和所述关键词表检索文档库，得到答案文档集。

文档切段处理模块，用于将所述答案文档集中的文档进行切段和冗余过滤，得到答案段落集。

段落相关度计算模块，用于使用问句段落相关度模型计算所述问句与所述答案段落集中每个段落的相关度分数，选取相关度分数最高的若干个段落组成优选段落集。