[发明专利]基于网络文本的答案选择方法、装置、服务器及存储介质在审
申请号: | 202011284163.9 | 申请日: | 2020-11-17 |
公开(公告)号: | CN112417094A | 公开(公告)日: | 2021-02-26 |
发明(设计)人: | 过弋;朱斯琪;王志宏;尹心明 | 申请(专利权)人: | 华东理工大学 |
主分类号: | G06F16/33 | 分类号: | G06F16/33;G06F40/205;G06F40/35;G06F40/44 |
代理公司: | 上海晨皓知识产权代理事务所(普通合伙) 31260 | 代理人: | 成丽杰 |
地址: | 200237 *** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 网络 文本 答案 选择 方法 装置 服务器 存储 介质 | ||
本发明实施例涉及人工智能领域,公开了一种基于网络文本的答案选择方法、装置、服务器及存储介质。本发明中,从预存文档中选取与问题相关的M个候选段落;将M个第一特征分别进行拼接并编码,得到M个第一特征对应的M个向量,各第一特征包括各候选段落和问题;通过自注意力机制使M个向量之间进行交互得到M个更新后的向量;自注意力机制注重于数据之间的内部相关性,利用自注意力机制将M个向量进行交互从而对M个向量进行更新考虑了特征对应的向量与特征对应的向量之间的相互影响,使得更新后的向量更加的准确,从而使得从M个更新后的向量对应的M个候选段落中选取N个黄金段落更加的准确;根据N个黄金段落,获取答案的位置信息更加的准确。
技术领域
本发明实施例涉及人工智能领域,特别涉及一种基于网络文本的答案选择方法、装置、服务器及存储介质。
背景技术
机器阅读理解(Machine Reading Comprehension,MRC)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。传统的机器阅读理解仅仅是针对给定的一个问题从单个文档中找到问题的答案,而多跳机器阅读理解则是对多个候选文档中的内容进行逐步推理并从多个文档中选择与问题相关的段落,从而找到问题的答案。目前,主要是通过以下方法完成多跳机器阅读理解:从文档中选择出候选段落,基于预训练模型选择与问题相关的黄金段落,再基于预训练模型从黄金段落中选择问题的答案。然而,在基于预训练模型选择与问题相关的黄金段落的过程中,仅仅是通过问题与候选段落之间的相似度得分选择黄金段落,再从黄金段落中选择出问题的答案,并没有考虑到段落与段落之间的相互影响即忽略了多跳推理的过程,使得选择出的黄金段落的准确性不高,进而使得选择出的答案的准确性不高。
发明内容
本发明实施例的目的在于提供一种基于网络文本的答案选择方法、装置、服务器及存储介质,可以提高黄金段落选择的准确性,进而可以提高答案选择的准确性。
为解决上述技术问题,本发明的实施例提供了一种基于网络文本的答案选择方法,包括:从预存文档中选取与问题相关的M个候选段落;其中,M为大于2的整数;将M个第一特征分别进行拼接并编码,得到所述M个第一特征对应的M个向量;其中,各第一特征包括各候选段落和问题;通过自注意力机制使所述M个向量之间进行交互,更新所述M个向量得到M个更新后的向量;根据所述M个更新后的向量,从所述M个更新后的向量对应的M个候选段落中选取N个黄金段落;其中,N为大于1且小于M的整数;根据所述N个黄金段落,获取答案的位置信息。
本发明的实施例还提供了一种基于网络文本的答案选择装置,包括:候选段落选取模块,用于从预存文档中选取与问题相关的M个候选段落;其中,M为大于2的整数;编码模块,用于将M个第一特征分别进行拼接并编码,得到所述M个第一特征对应的M个向量;其中,各第一特征包括各候选段落和问题;更新模块,用于通过自注意力机制使所述M个向量之间进行交互,更新所述M个向量得到M个更新后的向量;黄金段落选取模块,根据所述M个更新后的向量,从所述M个更新后的向量对应的M个候选段落中选取N个黄金段落;其中,N为大于1且小于M的整数;答案获取模块,用于根据所述N个黄金段落,获取答案的位置信息。
本发明的实施例还提供了一种服务器,包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述所述的基于网络文本的答案选择方法。
本发明的实施例还提供了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时实现上述所述的基于网络文本的答案选择方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华东理工大学,未经华东理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011284163.9/2.html,转载请声明来源钻瓜专利网。