1.一种面向机器阅读理解的答案推荐方法，其特征在于，包括以下步骤：步骤1，接受问题q和支持文档集T'，问题q以元组(l e ,r,？)的形式提供，其中l e 是左实体，？表示未知右实体，r表示l e 与未知右实体也就是答案之间的关系；步骤2，进行句子分割和语义编码，包括文本预处理、词编码和句子编码；步骤3，根据编码的语义进行推断以构建多跳推理链，包括选择节点和建立跳边；步骤4，通过挖掘多跳推理链的信息以对候选集进行排序，包括推理链信息的集成和答案概率分布的计算；步骤5，根据答案概率分布结果，从候选集 中预测未知右实体即答案；步骤2中所述的预处理包括：使用TF-IDF算法来计算问题和每个支持文档之间的余弦相似度并对其进行排名，截取前N个支持文档以获得新的支持文档集 所述的词编码，将字符嵌入和预训练的Glove词嵌入结合起来作为初始词嵌入，并将它们输入到一层高速路神经网络中以获得最终的词表示，使用L'，R'和X'分别表示l e ，r和T的词嵌入，对于语义编码，把L'，R'和X'经过一层带有v个隐藏单元的双向LSTM网络并连接其双向输出，使用 分别作为l e ，r和T的语义编码，其中Q l ，Q r ，J分别为l e ，r和T的词级长度；每个候选都在支持文档集T中找到，在X中取出与c' η 相对应的词编码，并在词级别对其求平均，然后获得c η ∈R v 作为c' η 的语义编码；所述的句子编码，包括：首先将文档t切成多个句子，以获得单个句子集 其中，I是包含在t中的单个句子的数量，K是构成一个句子的单词数量， 是在X中相应单词的编码；然后，将文档中所有两个相邻的单个句子级联起来，以获得级联句子集 定义为：其中||用于表示级联；接下来，联合D o 和D b 以完成t的句子划分并获得句子集D，也就是：D＝D o ∪D b ,其中∪指取并集；对所有支持文档采用相同的操作，并获得T的词级句子编码S，即：S＝D 1 ∪D 2 ∪…∪D N ＝{s 1 ,…,s I' }，其中I'是T的单个句子和级联句子的总数，然后应用自我注意机制来实现句子的向量表示，并获得T的句子级编码E，用来将句子s i 转换成向量 的公式如下，K为句子的长度：a ik ＝tanh(W 2 tanh(W 1 s ik +b 1 )+b 2 )其中W 1 和W 2 为权重参数，b 1 和b 2 为偏移参数；在步骤3中，使用分层记忆网络模型来构建句子的推理链，在选择节点阶段，模型抽取一个与网络记忆状态m最相关的句子作为当前跳的起始节点，在建立跳边阶段，模型更新m以准备跳到下一个节点，将这一阶段看做生成一个连接相邻节点的边；在选择节点的过程中，在每跳h，模型会计算E中每个句子编码e i 和当前网络记忆状态m的双线性相似度，并获得节点选择分布P sent ，然后，选择句子s i ∈S作为当前跳的起始节点，其中i满足：P sent (i)＝max(P sent )在建立跳边的过程中，选择了h跳的起始节点后，模型会计算m h 和s i 中每个单词s ik 的双线性相似度并将其归一化以获得权重μ，使用μ来计算s i 中所有单词的加权平均值 然后将其输入到一个GRU单元中以更新m h ，之后，将这两个阶段合并为一个循环单元U，U通过更新m来连续选择节点，循环UH次，获得一条有H个节点的推理链S chain ＝{s 1 ,s 2 ,...,s H }，其中每个句子s h 都由U从S中迭代选择，为了减少推理链生成的偶然性，重复句子选择器M次以生成的M条可能的推理链。
2.根据权利要求1所述的答案推荐方法，其特征在于，步骤4中所述推理链的集成包括：计算s H 中每个单词和推理链的前H-1跳以及问题之间的注意力σ，σ被用来计算s H 的加权平均 公式表示为：横向拼接链S chain 的前H-1个节点以获得s fore ，即：s fore ＝s 1 ||s 2 ||…||s H-1并结合s H 中的单词以计算σ，采用具有注意机制的LSTM网络来计算信息向量δ k ，它集成了s H 前k-1个词和s fore 的信息，是一个信息高度丰富的向量，计算左实体，关系和δ k 的α相似度ε k ，即：ε k ＝α(δ k ,l)+α(δ k ,r)其中l和r分别是L和R的最后隐状态，而α定义为：其中 代表逐元素乘法， 和 为系数， 为偏移量，然后，将整合了S chain 信息和问题的信息ε可用于计算注意力σ：σ＝softmax(ε)所述的答案概率分布的计算，是在获得了高度集成的推理链和问题信息的向量x之后，使用x来计算候选c i 作为答案的概率分布P answer ，为所有推理链计算P answer ，并获得答案概率分布集 汇总所有推理链的结果，得到候选c η 的分数为：
3.根据权利要求1或2所述的答案推荐方法，其特征在于，在选择节点阶段，使用左实体作为推理链的起始节点，模型的网络记忆状态m用L的最后隐状态进行初始化，并用一个门控循环单元对进行更新。
