[發(fā)明專利]閱讀理解方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201910429805.0
• 申請(qǐng)日: 2019-05-22
• 公開（公告）號(hào): CN110210021B
• 公開（公告）日: 2021-05-28
• 發(fā)明（設(shè)計(jì)）人: 李弘宇;劉璟
• 申請(qǐng)（專利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號(hào): G06F40/205
• 分類號(hào): G06F40/205;G06F40/279;G06K9/62
• 代理公司: 北京清亦華知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11201
• 代理人: 宋合成

本發(fā)明提出一種閱讀理解方法及裝置，其中，該方法包括：通過獲取預(yù)設(shè)的目標(biāo)問題和待閱讀的文本；根據(jù)預(yù)設(shè)的閱讀理解模型對(duì)所述待閱讀的文本進(jìn)行理解分析，生成所述目標(biāo)問題的答案類型概率、答案文本以及對(duì)應(yīng)的置信度；根據(jù)所述答案類型概率、所述答案文本以及對(duì)應(yīng)的置信度確定與所述目標(biāo)問題對(duì)應(yīng)的目標(biāo)答案。從而基于預(yù)設(shè)的閱讀理解模型對(duì)目標(biāo)問題和待閱讀文本很好地理解出高質(zhì)量的長答案文本或短答案文本，都不同的實(shí)際情形均能表現(xiàn)良好，不再局限于現(xiàn)有的專用模型只對(duì)一種答案類型的答案的理解效果好，且相比現(xiàn)有的通用模型提高了對(duì)不同答案類型的答案的理解效果。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能領(lǐng)域，尤其涉及一種閱讀理解方法及裝置。

背景技術(shù)

人工智能(Artificial Intelligence，AI)是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，它企圖了解智能的實(shí)質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機(jī)器，該領(lǐng)域的研究包括機(jī)器人、語言識(shí)別、圖像識(shí)別、自然語言處理、問答系統(tǒng)和專家系統(tǒng)等。

目前，將待回答的問題和相關(guān)的閱讀材料輸入到訓(xùn)練完畢的閱讀理解模型進(jìn)行人工智能式閱讀理解已經(jīng)越來越廣泛。現(xiàn)有的閱讀理解模型分主要有專用模型和通用模型：

專用模型是采用同一答案類型的閱讀材料訓(xùn)練得到的，但專用模型的局限性在于只能對(duì)一種答案類型的理解效果比較好。例如采用海量的長答案類型的樣本得到的長答案模型，采用海量的短答案類型的樣本訓(xùn)練得到的短答案模型，由于長答案模型和短答案模型有著不同的模型參數(shù)和訓(xùn)練數(shù)據(jù)，長答案模型對(duì)長答案的理解效果比較好，而對(duì)短答案的理解效果不好，短答案模型只能對(duì)短答案的理解效果比較好，而對(duì)長答案的理解效果不好。

通用模型盡管是采用不同答案類型的樣本聯(lián)合訓(xùn)練得到的，但通用模型的結(jié)構(gòu)參數(shù)并沒有針對(duì)不同答案類型的答案進(jìn)行分別設(shè)置，而是共用一套模型參數(shù)，造成對(duì)長答案的理解效果比不上長答案模型，對(duì)短答案的理解效果比不上短答案模型，模型的閱讀效果不佳。

因此，如何更好地進(jìn)行閱讀理解成為亟待解決的技術(shù)問題。

發(fā)明內(nèi)容

本發(fā)明旨在至少在一定程度上解決相關(guān)技術(shù)中的技術(shù)問題之一。

為此，本發(fā)明的第一個(gè)目的在于提出一種閱讀理解方法。

本發(fā)明的第二個(gè)目的在于提出一種閱讀理解裝置。

本發(fā)明的第三個(gè)目的在于提出一種計(jì)算機(jī)設(shè)備。

本發(fā)明的第四個(gè)目的在于提出一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

為達(dá)上述目的，本發(fā)明第一方面實(shí)施例提出了一種閱讀理解方法，包括：

獲取預(yù)設(shè)的目標(biāo)問題和待閱讀的文本；

根據(jù)預(yù)設(shè)的閱讀理解模型對(duì)所述待閱讀的文本進(jìn)行理解分析，生成所述目標(biāo)問題的答案類型概率、答案文本以及對(duì)應(yīng)的置信度；

根據(jù)所述答案類型概率、所述答案文本以及對(duì)應(yīng)的置信度確定與所述目標(biāo)問題對(duì)應(yīng)的目標(biāo)答案。

在一種可能的實(shí)現(xiàn)方式中，所述根據(jù)所述答案文本類型概率、所述答案文本以及對(duì)應(yīng)的置信度確定與所述目標(biāo)問題對(duì)應(yīng)的目標(biāo)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(biāo)問題對(duì)應(yīng)的目標(biāo)答案；

若否，則將所述短答案文本確定為與所述目標(biāo)問題對(duì)應(yīng)的目標(biāo)答案。

在一種可能的實(shí)現(xiàn)方式中，在所述獲取預(yù)設(shè)的目標(biāo)問題和待閱讀的文本之前，還包括：