[发明专利]一种金融舆情研报的机器阅读理解方法及系统

权利要求书

1.一种金融舆情研报的机器阅读理解方法，其特征在于包括：

数据制定与收集，对应金融垂直领域的需求，预定义用户的问题集，并搜集与问题集相关联的舆情数据；

训练数据标注，通过关键词匹配从舆情数据中找出与预定义问题集中问题相贴切的数据，利用有监督模型筛选出数据中包含问题答案的句子，并进行数据标注；

深度学习模型构建，利用金融领域预训练的BERT模型获取文字的向量表示，再通过自然语言处理法中注意力机制对数据和问题进行交互，得到计算机能够理解的融合向量表示；

答案组织，对深度学习模型反馈的两条以上答案进行逻辑组合。

2.根据权利要求1所述金融舆情研报的机器阅读理解方法，其特征在于：数据制定与收集中设置筛选阈值，对所预定义的问题集筛选重点问题和普通问题。

3.根据权利要求1所述金融舆情研报的机器阅读理解方法，其特征在于：训练数据标注中，对于未找出与预定义问题集中问题相贴切的部分数据，标注为零答案集合。

4.根据权利要求1或3所述金融舆情研报的机器阅读理解方法，其特征在于：训练数据标注中，还包括对标注的数据进行人工筛查。

5.根据权利要求1所述金融舆情研报的机器阅读理解方法，其特征在于：所述答案组织的流程包括：

Ⅰ、在一种以上关键词文本相似度匹配算法中选择一种，用于召回任一问题的前十条数据；

Ⅱ、对前十条所述数据逐一通过所构建的深度学习模型询问对应问题的所有子问题或关键词，取得每条数据对应所有子问题的最佳答案；

Ⅲ、将子问题的答案进行最优排序，并与召回数据的排序相对照；

Ⅳ、以其中一个子问题的前两个非空答案的拼接结果，作为最终答案中对应子问题的组成部分。

6.一种金融舆情研报的机器阅读理解系统，其特征在于包括：

数据制定与收集单元，用于对应金融垂直领域的需求，预定义用户的问题集，并搜集与问题集相关联的舆情数据；

训练数据标注单元，用于通过关键词匹配从舆情数据中找出与预定义问题集中问题相贴切的数据，利用有监督模型筛选出数据中包含问题答案的句子，并进行数据标注；

深度学习模型构建单元，用于利用金融领域预训练的BERT模型获取文字的向量表示，再通过自然语言处理法中注意力机制对数据和问题进行交互，得到计算机能够理解的融合向量表示；

答案组织单元，用于对深度学习模型反馈的两条以上答案进行逻辑组合。

7.根据权利要求6所述金融舆情研报的机器阅读理解系统，其特征在于：在数据制定与收集单元中设有筛选阈值，用于对所预定义的问题集筛选重点问题和普通问题。

8.根据权利要求6所述金融舆情研报的机器阅读理解系统，其特征在于：在训练数据标注单元中，还包括一个标注模组，用于对未找出与预定义问题集中问题相贴切的部分数据进行零答案集合标注。