机器问答技术是自然语言处理技术中发展最迅速也是最重要的技术之一,机器问答技术可以帮助人们从高速发展的互联网和信息技术产生的巨量文本信息中快速便捷地获取问题的答案。本文主要对长篇幅上下文多跳问答技术进行了多方面的研究,提出了基于支持句推理和精准问答的两阶段长上下文多跳问答框架和多种深度学习模型,来帮助用户快速地从长篇幅的文本信息中得到问题的答案。本文的主要工作如下:1.本文提出了基于支持句推理和精准问答的两阶段长上下文多跳问答框架。针对长篇幅上下文多跳问答任务,本文根据人类做长篇幅阅读理解任务时进行的信息筛选和问题解答这两步骤的流程,提出了基于支持句推理和精准问答的两阶段长上下文多跳问答框架。本文设计的两阶段问答框架分别由两个模块来完成长篇幅阅读理解中两种不同类型的工作。支持句推理模块通过对问题进行理解,从长篇幅的上下文当中找出可用于回答问题的支持句,过滤掉与问题无关的或者不能用于得到答案的句子,从而大幅缩短问答任务的上下文长度。精准问答模块将支持句推理模块得到支持句作为问答任务的短上下文,进行问答任务得出答案。经过实验证明,相较于同样参数量下的传统单阶段问答模型,基于支持句推理和精准问答的两阶段长上下文多跳问答能大幅提高长篇幅上下文多跳问答任务的性能,解决了长篇幅上下文问答任务受无关句子干扰导致的问答系统性能低的问题;2.本文针对两阶段问答框架的支持句推理阶段,提出了基于线索更新的多步支持句推理模型。基于线索更新的多步支持句推理模型是根据人类进行长篇幅上下文多跳问答时的思路所设计,通过迭代的方式从长篇幅的上下文中寻找支持句,尽可能地利用了所有已有的线索进行推理得到支持句,提高了支持句推理模块的性能;3.本文针对两阶段问答框架的支持句推理阶段,提出了基于句子间交互的支持句推理模型。基于句子间交互的支持句推理模型,通过注意力机制使得句子编码之间产生交互,从而让上下文中的句子之间有了信息共享,使得上下文句子之间不再是独立的单位,提高了支持句推理时的准确率,从而为两阶段问答框架的精准问答阶段提供了更准确更干净的短上下文,提高了长篇幅多跳问答系统的性能。