[发明专利]一种机器阅读理解方法、系统、计算机及存储介质

权利要求书

1.一种机器阅读理解方法，其特征在于，包括以下步骤：

S1、获取原始文段文本和原始问题文本的单词级信息、字符级信息以及特征信息；

S2、将步骤S1获得的信息进行向量表征以及向量表征融合，得到原始文段表征d_e和原始问题表征q_e，以及融合后的综合文段表征d_u和综合问题表征q_u；

S3、将原始文段表征d_e、原始问题表征q_e、综合文段表征d_u、综合问题表征q_u进行层次注意力交互，并将各层的交互结果进行拼接，得到交互后的文段表征d和交互后的问题表征q；

S4、对交互后的文段表征d和交互后的问题表征q进行特征提取，得到文段的上下文表征d_x和问题的上下文表征q_x；

S5、利用文段的上下文表征d_x和问题的上下文表征q_x进行多轮回答，将每轮的生成的双指针分布结果进行汇总，并计算汇总结果的随机掩码平均值，得到最终的双指针分布，分布中最大元素对应的索引即为答案在文段中的起、止位置。

2.根据权利要求1所述的一种机器阅读理解方法，其特征在于，所述步骤S2具体包括：

S2-1、使用GloVe和CoVe来表征单词向量，得到w_glove∈R^L×300以及两层w_cove∈R^L×600；使用ELMo来表征字符向量，得到w_char∈R^L×1024以及两层w_elmo∈R^L×1024；通过特征工程得到特征向量w_feature∈R^L×24，将w_glove、w_char、w_feature以及w_cove与w_elmo的第一层进行拼接，送入两层一维卷积前馈网络CFF中，得到一度融合后的表征w_ffn∈R^L×256；

S2-2、将w_cove与w_elmo的第一层与w_ffn拼接得x∈R^L×1880，将x送入多样性循环单元DRU中计算，得到二度融合后的表征w_dru0∈R^L×256；

S2-3、将w_glove、w_elmo的第二层与w_dru0进行拼接，再送入一个多样性循环单元DRU中，得到三度融合后的表征w_dru1∈R^L×256；

S2-4、将w_dru0与w_dru1进行拼接作为融合后的综合表征u∈R^L×512；将w_cove、w_elmo的第二层与w_glove进行拼接作为原始表征e∈R^L×1924；

S2-5、分别对原始文段文本与原始问题文本执行S2-1～S2-4的过程，得到原始文段表征d_e、原始问题表征q_e、融合后的综合文段表征d_u以及综合问题表征q_u。