机器阅读理解是自然语言处理领域中的重要课题之一,其目标是利用算法使机器理解文章内容并回答相关问题,这是机器智能化的体现。在现实生活中,人类通过会话的形式进行交流。人类会基于学习到的知识,通过多轮次会话交互获得额外信息。为了模拟人类在会话过程中利用会话历史信息回答当前问题的能力,会话式机器阅读理解被研究者提出。会话式机器阅读理解在传统机器阅读理解的基础上添加了对话问答,这些对话的过程往往存在主题迁移,代词替换等语言现象。相较于传统的机器阅读理解,会话式机器阅读理解需要模型有更强大的逻辑推理能力。近年来,获益于深度学习模型在对话问答任务的广泛应用,会话式机器阅读理解任务也得到快速的发展。然而,当前大部分会话式机器阅读理解模型仍然存在忽略会话推理过程,忽略文本结构关系以及语义关系等问题。为了解决上述问题,本文提出一种新的基于知识推理的会话式机器阅读理解模型。该模型通过基于分层会话流的转换和推理机制建立会话之间的联系。同时,使用基于动态会话图的推理机制构建文本之间的结构关系。本文研究内容如下:1.提出基于分层会话流转换和推理的会话式机器阅读理解模型。针对当前机器阅读理解模型忽略会话推理过程的问题,该模型将之前轮次会话的推理信息传递到当前轮次会话推理中,充分利用会话推理过程中的潜在语义信息。2.提出基于动态会话图推理的会话式机器阅读理解模型。针对当前机器阅读理解模型无法构建全局语义关系以及较长距离推理关系的问题,该模型在每轮会话过程中动态地构建问题和会话历史的推理图,利用问题引导信息的传递过程,能有效地捕捉会话中的语义结构信息和会话历史信息。3.研发线上会话式机器阅读理解问答系统原型。针对市面上缺乏在线阅读理解问答系统的问题,本文整合上述模型算法,设计并搭建了在线会话式机器阅读理解问答系统原型。该系统可以根据用户输入的文章、问题进行多轮次问答,使用户获得了良好的会话体验。