[发明专利]机器阅读理解方法、装置、设备和计算机可读存储介质

说明书

本申请提供一种机器阅读理解方法、装置、设备和计算机可读存储介质；方法包括：获取待处理的阅读理解信息；通过预训练模型中的编码器对阅读理解信息中的文本内容进行编码，得到文本特征；将文本特征、文本内容以及阅读理解信息中的问题信息输入预设阅读理解模型中各问题类型对应的逻辑回归层进行处理，输出问题信息对应的答案信息，预设阅读理解模型是基于不同问题类型的阅读理解信息训练得到的；本申请的技术方案中预设阅读理解模型是根据问题类型设置注意力机制和交叉熵损失函数训练得到的，提高了得到答题信息的准确率。

技术领域

本申请涉及图像处理技术领域，具体涉及一种机器阅读理解方法、装置、设备和计算机可读存储介质。

背景技术

机器阅读理解(MachineReadingComprehension，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。由于文章和问题均采用人类语言的形式，因此机器阅读理解属于自然语言处理(NLP)的范畴，也是其中最新最热门的课题之一。

近些年来，随着机器学习，特别是深度学习的发展，机器阅读理解研究有了长足的进步，并在实际应用中崭露头角，目前的机器阅读理解模型通常是对全部的文本信息和问题信息进行模型训练，模型较为复杂，且处理准确性低。

发明内容

本申请提供一种机器阅读理解方法、装置、设备和计算机可读存储介质，旨在解决现有的阅读理解不可以针对问题类型进行数据处理，阅读理解的准确性低的技术问题。

一方面，本申请提供一种机器阅读理解方法，包括：

获取待处理的阅读理解信息；

通过预训练模型中的编码器对阅读理解信息中的文本内容进行编码，得到文本特征；

将文本特征、文本内容以及阅读理解信息中的问题信息输入预设阅读理解模型中各问题类型对应的逻辑回归层进行处理，输出问题信息对应的答案信息，所述预设阅读理解模型是基于不同问题类型的阅读理解信息训练得到的。

另一方面，本申请还提供一种机器阅读理解装置，包括：

获取模块，用于获取待处理的阅读理解信息；

编码模块，用于通过预训练模型中的编码器对阅读理解信息中的文本内容进行编码，得到文本特征；

输出模块，用于将文本特征、文本内容以及阅读理解信息中的问题信息输入预设阅读理解模型中各问题类型对应的逻辑回归层进行处理，输出问题信息对应的答案信息，所述预设阅读理解模型是基于不同问题类型的阅读理解信息训练得到的。

另一方面，本申请还提供一种机器阅读理解设备，机器阅读理解设备包括处理器、存储器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序以实现上述的机器阅读理解方法中的步骤。

另一方面，本申请还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行以实现上述的机器阅读理解方法中的步骤。

本申请的技术方案中预设阅读理解模型是根据问题类型设置注意力机制和交叉熵损失函数，通过注意力机制和交叉熵损失函数结合训练神经网络生成问题类型对应的逻辑回归层，以得到最终的预设阅读理解模型，这样可以避免预设阅读理解模型过拟合，使得模型较为简单，同时，将预训练模型中的编码器对文本内容进行编码，得到文本特征，并将文本特征阅读理解信息中的文本内容和问题信息输入至预设阅读理解模型各问题类型对应的逻辑回归层，可以实现阅读理解信息的全面特征分析提取针对性分析，有效地提高阅读理解答题信息的准确率。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图得到其他的附图。