公开(公告)号：CN110222152B

公开(公告)日：2021-05-14

申请号：CN201910455756.8

申请日：2019-05-29

Applicant: 北京邮电大学 ,  海南中智信信息技术有限公司

Inventor： 胡铮 ,  周成瑜 ,  张春红 ,  唐晓晟

IPC: G06F16/33 ,  G06F40/289

Abstract: 本发明实施例提供一种基于机器阅读理解的问题答案获取方法及系统。其中，方法包括：将问题和对应的文档集输入至训练后的神经网络模型，获取训练后的神经网络模型的输出结果；根据输出结果，从文档集中确定问题对应的答案；其中，训练后的神经网络模型根据训练集训练得到，训练集包括多个样本问题以及每个样本问题对应的样本文档集和样本标签集。本发明实施例提供的方法及系统，通过将问题和对应的文档集输入至训练后的神经网络模型，根据训练后的神经网络模型的输出结果，从文档集中确定问题对应的答案。填补了描述类问题机器阅读理解模型的短缺，有效的利用了多文档的特点，保留了更多文档信息，能够更加精准地提取描述类问题的答案。

公开(公告)号：CN110222152A

公开(公告)日：2019-09-10

申请号：CN201910455756.8

申请日：2019-05-29

Applicant: 北京邮电大学 ,  海南中智信信息技术有限公司

Inventor： 胡铮 ,  周成瑜 ,  张春红 ,  唐晓晟

IPC: G06F16/33 ,  G06F17/27

Abstract: 本发明实施例提供一种基于机器阅读理解的问题答案获取方法及系统。其中，方法包括：将问题和对应的文档集输入至训练后的神经网络模型，获取训练后的神经网络模型的输出结果；根据输出结果，从文档集中确定问题对应的答案；其中，训练后的神经网络模型根据训练集训练得到，训练集包括多个样本问题以及每个样本问题对应的样本文档集和样本标签集。本发明实施例提供的方法及系统，通过将问题和对应的文档集输入至训练后的神经网络模型，根据训练后的神经网络模型的输出结果，从文档集中确定问题对应的答案。填补了描述类问题机器阅读理解模型的短缺，有效的利用了多文档的特点，保留了更多文档信息，能够更加精准地提取描述类问题的答案。