[發明專利]一種閱讀機器人進行自動問答的系統及其應用方法

有效

• 申請號: 202010183798.3
• 申請日: 2020-03-16
• 公開（公告）號: CN111309891B
• 公開（公告）日: 2022-05-31
• 發明（設計）人: 楊陟卓;李春轉;張虎;錢揖麗;李茹
• 申請（專利權）人: 山西大學
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F40/279;G06F40/30
• 代理公司: 太原申立德知識產權代理事務所(特殊普通合伙) 14115
• 代理人: 郭海燕

本發明公開了閱讀機器人進行自動問答的方法及系統，包括有題型分析模塊、詞語相似度匹配模塊、段落主題句和作者觀點句抽取模塊以及答案句抽取模塊，本發明首次提出根據概括性問答題特征，然后進行線性插值的方法來分析問題類型，有效地填補了僅根據問句分析問題類型的空白；本發明可以通過抽取段落主題句和作者觀點句將一些與問句關鍵字和框架不匹配的答案候選句召回；本發明能夠實現閱讀理解中問答題目的智能解答，有效提高了自動問答的答題率；本發明提出的方法也可以應用在文本蘊含、自動文摘、以及復雜問題求解等自然語言處理任務中。

技術領域

本發明涉及自然語言處理領域，尤其涉及閱讀機器人進行自動問答的方法及系統。

背景技術

近年來問答技術研究受到了廣泛的關注，目前發展比較成熟的問答系統有麻省理工大學人工智能實驗室研發的Start、密歇根大學的AnswerBus、蘋果公司研發的Siri和微軟公司開發的Cotana。國內也推出一些以智能問答技術為核心的機器人，例如：微軟的小冰、百度的小度等，但是基于閱讀理解的問答研究還遠遠不足。

目前，主要有基于檢索模型和基于深度學習兩大研究方向?；趥鹘y的統計特征的檢索方法，主要借助WordNet、同義詞詞林等語義詞典來獲取與問句相似度較高的答案句，比如周艷平,李金鵬,蔡素.基于同義詞詞林的句子語義相似度方法及其在問答系統中的應用[J].計算機應用與軟件,2019,36(8):65-68+81.提出一種基于同義詞詞林的句子語義相似度方法,通過對詞形、詞序、語義依存相似度加權結合獲得句子之間的最終相似度。基于深度學習的方法，主要利用神經網絡模型，對句子進行向量表示，比如DevlinJ,ChangMW,LeeK,etal.BERT:Pre-trainingofDeepBidirectionalTransformersforLanguageUnderstanding[C]//Proceedingsofthe2019ConferenceoftheNorthAmericanChapteroftheAssociationforComputationalLinguistics:HumanLanguageTechnologies,Volume1(LongandShortPapers).2019:4171-4186.該模型預先訓練未標記文本的深層雙向表示，只需一個額外的輸出層，就可以對預先訓練的BERT模型進行微調，以創建用于廣泛任務(如問答和語言推理)的最新模型，而無需對特定任務的體系結構進行大量修改。

目前，基于檢索模型和深度學習的方法在一般閱讀理解問題上已經取得了很好的效果，但是在高考語文閱讀理解題上的效果卻不盡如人意，這是由于高考閱讀理解問題更加復雜，需要對問題和背景材料進行深層次的語義理解和推理。此外基于深度學習的方法雖然可以自動學習特征，但是需要足夠規模的數據進行訓練。

發明內容

為解決現有技術的缺點和不足，提供閱讀機器人進行自動問答的方法及系統，從而實現閱讀理解中問答題目的智能解答，有效提高了自動問答的答題率。為實現本發明目的而提供的閱讀機器人進行自動問答的方法及系統，包括有題型分析模塊、詞語相似度匹配模塊、段落主題句和作者觀點句抽取模塊以及答案句抽取模塊，所述題型分析模塊，用于通過獲取材料和問句信息，判別是否為概括型問答題；所述詞語相似度匹配模塊，用于獲取材料各句子與問句的詞語相似度匹配數；所述段落主題句和作者觀點句抽取模塊，用于通過識別段落主題句和作者觀點句，生成與問句相關的內容要點以及作者的觀點態度；所述答案句抽取模塊，根據問答題類型采取不同策略抽取候選句，對候選句進行排序，最終選取排序靠前的候選句作為答案句，

應用所述一種閱讀機器人進行自動問答的系統進行自動問答的系統的方法，包括有如下步驟：

第一步：獲取閱讀理解的背景材料與問句；

第二步：題型分析，包括有以下步驟：