[發(fā)明專利]閱讀理解方法及裝置

有效

• 申請?zhí)枺?/td>: 201910429805.0
• 申請日: 2019-05-22
• 公開（公告）號: CN110210021B
• 公開（公告）日: 2021-05-28
• 發(fā)明（設計）人: 李弘宇;劉璟
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06F40/205
• 分類號: G06F40/205;G06F40/279;G06K9/62
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 宋合成

1.一種閱讀理解方法，其特征在于，包括：

獲取預設的目標問題和待閱讀的文本；

根據預設的閱讀理解模型對所述待閱讀的文本進行理解分析，生成所述目標問題的答案類型概率、答案文本以及對應的置信度，其中，所述答案類型概率包括長答案類型概率、短答案類型概率；

根據所述答案類型概率、所述答案文本以及對應的置信度確定與所述目標問題對應的目標答案。

2.根據權利要求1所述的方法，其特征在于，所述根據所述答案文本類型概率、所述答案文本以及對應的置信度確定與所述目標問題對應的目標答案包括：

獲取長答案類型概率和長答案文本的置信度的第一乘積、短答案類型概率和短答案文本的置信度的第二乘積；

判斷所述第一乘積是否大于所述第二乘積；

若是，則將所述長答案文本確定為與所述目標問題對應的目標答案；

若否，則將所述短答案文本確定為與所述目標問題對應的目標答案。

3.根據權利要求1所述的方法，其特征在于，在所述獲取預設的目標問題和待閱讀的文本之前，還包括：

獲取第一樣本集，其中，所述第一樣本集中的第一樣本包括訓練問題和閱讀材料樣本、長答案類型的正確答案在閱讀材料樣本中的開始位置和結束位置、用于表征所述第一樣本的答案類型為長答案的標注數據；

獲取第二樣本集，其中，所述第二樣本集中的第二樣本包括訓練問題和閱讀材料樣本、短答案類型的正確答案在閱讀材料樣本中的開始位置和結束位置、用于表征所述第二樣本的答案類型為短答案的標注數據；

基于所述第一樣本集和所述第二樣本集訓練初始的閱讀理解模型，得到所述預設的閱讀理解模型。

4.根據權利要求3所述的方法，其特征在于，所述初始的閱讀理解模型至少包括編碼器、第一預測層、第二預測層、分類器，所述基于所述第一樣本集和所述第二樣本集訓練初始的閱讀理解模型，得到所述預設的閱讀理解模型包括：

將所述第一樣本集中的所述第一樣本和所述第二樣本集中的所述第二樣本分別輸入到所述編碼器中進行編碼；

采用各個編碼后的所述第一樣本訓練所述第一預測層，并采用各個編碼后的所述第二樣本集訓練所述第二預測層、以及采用各個編碼后的所述第一樣本集和各個編碼后的所述第二樣本集訓練所述分類器，以得到所述預設的閱讀理解模型；

其中，訓練完畢的第一預測層能夠預測需要回答的問題對應的長答案文本及其置信度，訓練完畢的第二預測層能夠預測需要回答的問題對應的短答案文本及其置信度，訓練完畢的分類器能夠判別需要回答的問題對應的答案類型概率。

5.根據權利要求1至4任一項所述的方法，其特征在于，在所述獲取預設的目標問題和待閱讀的文本之后，還包括：

對所述目標問題和所述待閱讀的文本進行拼接，其中，在拼接過程中，在所述目標問題的前面添加表征問題的分隔符，在所述待閱讀的文本的段落的前面添加表征段落的分隔符。

6.一種閱讀理解裝置，其特征在于，包括：

獲取模塊，用于獲取預設的目標問題和待閱讀的文本；

生成模塊，用于根據預設的閱讀理解模型對所述待閱讀的文本進行理解分析，生成所述目標問題的答案類型概率、答案文本以及對應的置信度，其中，所述答案類型概率包括長答案類型概率、短答案類型概率；

確定模塊，用于根據所述答案類型概率、所述答案文本以及對應的置信度確定與所述目標問題對應的目標答案。

7.根據權利要求6所述的裝置，其特征在于，所述確定模塊具體用于：

獲取長答案類型概率和長答案文本的置信度的第一乘積、短答案類型概率和短答案文本的置信度的第二乘積；判斷所述第一乘積是否大于所述第二乘積；

若是，則將所述長答案文本確定為與所述目標問題對應的目標答案；

若否，則將所述短答案文本確定為與所述目標問題對應的目標答案。