买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京理工大学

摘要：本发明提出了一种融入多个段落信息的抽取式机器阅读理解方法，属于自然语言处理中的阅读理解技术领域。所述融入多个段落信息的抽取式机器阅读理解方法依托的阅读理解系统包括段落评分器、段落阅读器和答案选择器，包括以下步骤：S1，段落评分器根据问题和段落的相关程度得出段落包含正确答案的可能性；S2，段落阅读器根据问题抽取出段落中最有可能的N个答案，并量化它们是正确答案的可能性；S3，答案选择器融合段落阅读器和段落评分器的结果，将答案和答案所在段落可能性相乘，得出整篇文章中最有可能的答案。所述方法摆脱了现有技术对输入长度的限制，可以帮助用户在科研论文上进行阅读理解，从而快速了解论文内容，紧跟领域内最新进展。

主权项：1.一种融入多个段落信息的抽取式机器阅读理解方法，其特征在于：依托的阅读理解系统，包括：段落评分器、段落阅读器以及答案选择器；其中，段落评分器包括段落编码单元1、问题编码单元、问题自注意力单元、注意力单元、池化单元和归一化单元；问题编码单元连接问题自注意力单元，再通过注意力单元和段落编码单元1相连，注意力单元连接到归一化单元；其中，段落阅读器包括段落编码单元2、问题编码单元、问题自注意力单元、开始位置预测单元、结束位置预测单元和答案解码单元；问题编码单元连接问题自注意力单元，再和段落编码单元2连接到开始位置预测单元以及结束位置预测单元，最终开始位置以及结束位置两个预测单元一起连接到答案解码单元；其中，答案选择器分别与段落评分器和段落阅读器相连，用于融合段落评分器中归一化单元的输出和段落阅读器中答案解码单元的输出；所述抽取式机器阅读理解方法，包括如下步骤：步骤1：段落评分器循环处理每个段落，根据问题和段落的相关程度打分，得出段落得分；步骤1.1：问题编码单元使用一层双向的LSTM网络，并将向前传播和向后传播两个方向上的所有隐状态拼接起来，得到输入问题序列中每个单词的向量表示；步骤1.2：问题自注意力单元使用self-attention机制将问题序列中所有单词的向量表示压缩成一个问题表示；步骤1.3：段落编码单元1使用一层双向的LSTM网络，并将向前传播和向后传播两个方向上的所有隐状态拼接起来，得到每个单词的向量表示；步骤1.4：注意力单元使用Attention机制计算步骤1.3得到的每个单词的向量表示和步骤1.2中得到的问题表示之间的相关性；步骤1.5：池化单元使用max-pooling机制，从步骤1.4得到的相关性中取最大值作为当前段落与问题的相关性；步骤1.6：归一化单元使用softmax函数将所有段落与问题的相关性归一化，作为段落得分；步骤2：段落阅读器循环处理每个段落，根据问题抽取出段落中最有可能的top_n个答案，并计算该top_n答案是正确答案的可能性；步骤2.1：问题编码单元使用一层双向的LSTM网络，并将向前传播和向后传播两个方向上的所有隐状态拼接起来，得到输入问题序列中每个单词的向量表示；步骤2.2：问题自注意力单元使用self-attention机制将问题序列中所有向量表示压缩成一个向量表示；步骤2.3：将段落中每个单词特征构成的特征序列输入到段落编码单元2，得到段落序列中每个单词的向量表示；其中，段落中每个单词的特征构成的特征序列，称为段落序列；步骤2.4：在开始位置预测单元和结束位置预测单元利用Attention机制分别计算段落中每个位置是答案开始位置的可能性和结束位置的可能性；步骤2.5：答案解码单元计算段落区间是答案的可能性，从中抽取可能性最大的top_n个答案；步骤3：答案选择器综合步骤1输出的段落评分和步骤2输出的答案可能性，在包含所有段落的整篇文章中选择最有可能的答案作为最终结果。

全文数据：

权利要求：

百度查询： 北京理工大学 一种融入多个段落信息的抽取式机器阅读理解方法