[发明专利]基于随机优化预测的机器阅读理解的答案匹配方法及系统

权利要求书

1.一种基于随机优化预测的机器阅读理解的答案匹配方法，其特征在于，包括以下步骤：

获取问题以及与所述问题关联的段落；

对所述问题进行分词和向量化，获取每个问题词对应的问题特征向量；

对所述段落进行分词和向量化，获取每个段落词对应的段落特征向量；

根据所述问题特征向量对所述段落特征向量通过随机优化方法进行随机预测，在所述段落中匹配出所述问题对应的答案；其中，所述随机优化方法包括以下至少之一：随机梯度下降、粒子群算法、遗传算法。

2.根据权利要求1所述的基于随机优化预测的机器阅读理解的答案匹配方法，其特征在于：

对所述问题进行分词，获取一个或多个问题词；根据预先训练好的一维或多维问题Word2vec或者Glove词向量对所述问题词进行向量化，获取每个问题词对应的问题特征向量；

对所述段落进行分词，获取一个或多个段落词；根据预先训练好的一维或多维段落Word2vec或者Glove词向量对所述段落词进行向量化，获取每个段落词对应的段落特征向量。

3.根据权利要求2所述的基于随机优化预测的机器阅读理解的答案匹配方法，其特征在于：将预先训练好的一维或多维问题Word2vec或者Glove词向量、所述某一问题逻辑关系词嵌入所述问题Word2vec或者Glove词向量中；将预先训练好的一维或多维段落Word2vec或者Glove词向量、所述某一段落逻辑关系词嵌入至所述段落Word2vec或者Glove词向量中。

4.根据权利要求2或3所述的基于随机优化预测的机器阅读理解的答案匹配方法，其特征在于：将所述问题特征向量和段落特征向量分别输入神经网络网络模型，获取能够融合所述问题上下文逻辑语义信息的问题语义向量和能够融合所述段落上下文逻辑语义信息的段落语义向量。

5.根据权利要求4所述的基于随机优化预测的机器阅读理解的答案匹配方法，其特征在于：

计算所述增强问题语义向量与所述增强段落语义向量的相似度，获取所述增强问题语义向量与所述增强文本语义向量的相似度矩阵；其中，所述相似度矩阵表示所述段落中各个语义向量与所述问题中各个语义向量的相似度；

获取由问题词构成的问题词集合以及由段落词构成的段落词集合；

若所述问题对应的候选答案在所述段落词集合中存在多个，则根据所述相似度矩阵随机优化方法预测所述候选答案集合中的一个最优答案；获取问题向量和每个候选答案的段落向量；每个问题向量在所述段落向量集合中对应的候选答案逻辑关系的起始位置和答案结束位置；获取候选答案起始位置和候选答案结束位置的各个逻辑关系，确定所述答案起始位置和所述答案结束位置的最优候选，根据所述最大联合分布概率在段落词集合中所对应的段落词片段确定为所述问题对应的答案。

6.根据权利要求2至5任一所述的基于随机优化预测的机器阅读理解的答案匹配方法，其特征在于：所述问题Word2vec或者Glove词向量和/或所述段落Word2vec或者Glove词向量通过命名实体识别器进行预先训练；所述命名实体识别器包括有：实体类、时间类和数字类。

7.一种基于随机优化预测的机器阅读理解的答案匹配系统，其特征在于，包括有：

获取模块，用于获取问题以及与所述问题关联的段落；

第一词嵌入模块，用于对所述问题进行分词和向量化，获取每个问题词对应的问题特征向量；

第二词嵌入模块，用于对所述段落进行分词和向量化，获取每个段落词对应的段落特征向量；

匹配模块，用于根据所述问题特征向量对所述段落特征向量通过随机优化方法进行随机预测，在所述段落中匹配出所述问题对应的答案；其中，所述随机优化方法包括以下至少之一：随机梯度下降、粒子群算法、遗传算法。