本发明公开了一种基于强化学习的完形填空型阅读理解分析模型及方法,该模型包括:编码层,将原始文本的单词进行向量化,对单词进行编码,取各句子最后一个单词的隐向量输出作为句子向量,将文本编码成句子向量的序列传递给语句抽取层;语句抽取层,对句子向量选择,将得到的句子作为当前给定文段,对其进行编码;分类层,把每个待填的空位视为一问题,将得到的文段编码和四个候选单词的词向量作为输入,通过多特征分类网络进行计算输出概率;预测层,将上层得到的概率值与语言模型的概率值归一化,得到最终四个选项的概率;输出层,计算上一层得到的概率与实际概率的交叉熵并优化分类网络,将损失值作为延迟奖励对网络进行参数更新。
声明:
“基于强化学习的完形填空型阅读理解分析模型及方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)