面向多文档的机器阅读理解模型

机器阅读理解是自然语言处理领域中基础且重要的研究课题，其目标是让机器具备从文本数据中获取知识或回答给定问题的能力。近年来，研究人员已经提出了多种面向单文档的机器阅读理解模型，并取得了一定的效果。然而，在实际应用场景中，通常是先提出问题，然后再根据大规模非结构化文本数据对问题进行作答；此外，针对同一答案，不同用户提问时的问题描述也不相同，这对模型的泛化能力提出了较高的要求。针对上述问题，提出了一种面向多文档的机器阅读理解模型。模型遵循先检索后阅读的思想。在检索阶段，提出了一种基于规则和最长公共子串的排序方法，从文档库中选出前N个最相关的文档；在阅读阶段，基于Bert预训练模型提取的特征，结合文本语义特征和注意力机制提高问题核心词在问题特征、问题-篇章交互特征中的权重，采用指针网络预测每篇文档中的答案跨度，并综合考虑文档检索得分和预测答案得分，给出评分最高的答案。在中文阅读理解数据集CMRC上，该模型达到76.29%的EM分数和89.77%的F₁分数，获得较好实验效果。