开放域机器阅读理解中的上下文匹配算法研究

摘要

开放域机器阅读理解是未来智能交互的基础,机器阅读理解是通过机器学习算法去理解文章的一种技术方法。为提升机器阅读理解的准确率,通常需要对文章中的文本进行向量化编码处理。编码是计算机理解文本的抽象表示方法,不同的编码方式对机器阅读理解的准确率有着较大的影响,基于此,提出了一种基于文本语义关联性编码的问题与上下文匹配算法,将相关性较高的候选上下文进行机器阅读理解,从而实现开放域下的自由问答。基于在DuReader开放数据集上的验证实验,表明该算法在开放域问答的问题与上下文Top-5匹配准确率达到97%以上,显著提升开放域下的机器阅读理解能力。