基于BERT与门控类注意力增强网络的机器阅读理解方法

摘要

本发明涉及一种基于BERT与门控类注意力增强网络的机器阅读理解方法。包括以下步骤：步骤A、收集中国中学生英语考试中的阅读理解多选题，并标注每篇文章的每个问题对应的答案选项类别，构建带类别标签的训练集S；步骤B、训练基于BERT与门控类注意力网络的深度学习模型GCAN‑BERT，用于预测给定问题对应选项的答案；步骤C、将待判断的文章、问题、选项输入到训练后的基于BERT与门控类注意力网络的深度学习模型GCAN‑BERT中，得到给定问题对应的答案选项。本发明能够有效提高多选阅读理解选项预测的精确度。