پاسخ دادن به سؤال، یکی از شاخه های بازیابی اطلاعات و پردازش زبان های طبیعی است. به طورکلی، سیستم پرسش و پاسخ یک برنامه رایانه ای است که می تواند پاسخ ها را از مجموعه اسناد زبان طبیعی استخراج کند. یکی از حوزه های پرسش و پاسخ، درک مطلب ماشین است. درک مطلب ماشین، توانایی خواندن متن توسط ماشین و پاسخ دادن به سؤالات مطرح شده از متن است. به همین منظور سیستم باید همانند انسان قادر به فهم درست کلمات متن و روابط بین آن ها باشد. با توجه به جدید بودن این حوزه، بیشتر روش های ارائه شده مبتنی بر یادگیری عمیق هستند. روش پیشنهادی نیز مبتنی بر یادگیری عمیق است. در ابتدا، داده ها پیش پردازش شده و متن ها و سؤالات آن به کلمه و حروف تجزیه می شوند. سپس کلمات با روش پنهان سازی GloVe و حروف با مقداردهی تصادفی به بردار عددی تبدیل می شوند و پس از کدگذاری با شبکه Bi-GRU به صورت متناظر با کلمات پاراگراف و سؤال الحاق می شوند. با استفاده از شبکه Bi-GRU ماتریس جملات و سؤال کدگذاری شده و به وسیله مکانیسم توجه، توجه متن به سؤال به دست می آید. خروجی مکانیسم توجه توسط شبکه یادگیری افزایشی کدگذاری می شود که این شبکه دارای لایه توجه خود تطبیق است. خروجی شبکه جهت تخمین پاسخ مورداستفاده قرارگرفته و پاسخ پیش بینی شده مورد ارزیابی قرار می گیرد. در این پژوهش از مجموعه داده SQuAD استفاده شده و سعی شده روشی ارائه شود که به همراه افزایش سرعت اجرا، دقت و کارایی قابل قبولی ارائه دهد. نتایج بررسی نشان می دهد که مدل پیشنهادی به رشد مناسبی ازنظر سرعت و دقت نسبت به مدل های پیشین دست یافته است.
