[发明专利]一种机器阅读理解方法、装置、设备和存储介质

说明书

本申请公开了一种机器阅读理解方法、装置、设备和存储介质，方法包括：将目标文档和查询问题均拆分为特征向量；采用预置编码器对特征向量进行编码操作，得到语义编码向量；通过预置阅读理解模型根据语义编码向量进行答案预测，得到查询问题对应的目标答案，预置阅读理解模型包括重复解码惩罚机制。本申请能够缓解现有机器阅读理解模型对数据量的依赖较大，导致模型准确率的提升受限的技术问题。

技术领域

本申请涉及自然语言处理技术领域，尤其涉及一种机器阅读理解方法、装置、设备和存储介质。

背景技术

目前大部分阅读理解工作都在是在单篇章的任务上展开，而在实际应用中一个篇章往往不能保证答案的召回率。同时，阅读理解技术要用到深度学习模型，而深度学习模型需要大量的数据支撑。然而在实际应用场景中，往往无法拿出足够规模的语料来训练深度学习模型，导致模型理解准确率的提升受到影响。

发明内容

本申请提供了一种机器阅读理解方法、装置、设备和存储介质，用于缓解现有机器阅读理解模型对数据量的依赖较大，导致模型准确率的提升受限的技术问题。

有鉴于此，本申请第一方面提供了一种机器阅读理解方法，包括：

将目标文档和查询问题均拆分为特征向量；

采用预置编码器对所述特征向量进行编码操作，得到语义编码向量；

通过预置阅读理解模型根据所述语义编码向量进行答案预测，得到所述查询问题对应的目标答案，所述预置阅读理解模型包括重复解码惩罚机制。

可选的，所述将目标文档和查询问题均拆分为特征向量，包括：

将目标文档和查询问题进行词序列拆分操作，得到特征向量，所述特征向量包括词向量、分段向量和位置向量。

可选的，所述将目标文档和查询问题均拆分为特征向量，之后还包括：

为所述目标文档中的每一个句子添加起始标识符和结尾标识符。

可选的，所述预置阅读理解模型的配置过程为：

对预置UNILM模型进行参数微调，得到微调模型；

根据预置训练数据集对所述微调模型进行训练，得到训练模型；

通过预置评价指标对所述训练模型进行评价，将评价最高分的所述训练模型作为预置阅读理解模型。

本申请第二方面提供了一种机器阅读理解装置，包括：

拆分模块，用于将目标文档和查询问题均拆分为特征向量；

编码模块，用于采用预置编码器对所述特征向量进行编码操作，得到语义编码向量；

预测模块，用于通过预置阅读理解模型根据所述语义编码向量进行答案预测，得到所述查询问题对应的目标答案，所述预置阅读理解模型包括重复解码惩罚机制。

可选的，所述拆分模块具体用于：

将目标文档和查询问题进行词序列拆分操作，得到特征向量，所述特征向量包括词向量、分段向量和位置向量。

可选的，还包括：

添加标识模块，用于为所述目标文档中的每一个句子添加起始标识符和结尾标识符。

可选的，所述预置阅读理解模型的配置过程为：

对预置UNILM模型进行参数微调，得到微调模型；

根据预置训练数据集对所述微调模型进行训练，得到训练模型；

通过预置评价指标对所述训练模型进行评价，将评价最高分的所述训练模型作为预置阅读理解模型。