1.自适应迁移学习的问答匹配方法，其特征在于，包括以下步骤：通过语言模型捕获文本，得到问题集合以及答案集合；

根据所述问题集合以及所述答案集合进行点积，得到注意力矩阵；

根据所述注意力矩阵、所述问题集合以及所述答案集合确定问题和答案的关联权重，并根据所述关联权重得到关联特征向量；

根据所述关联特征向量以及上下文向量得到动态集成向量，根据所述动态集成向量与所述答案集合中的元素进行结合得到结果向量；

根据所述结果向量训练得到问答匹配模型，将所述问答匹配模型迁移至目标数据集，根据所述目标数据集得到所述问题的候选答案。

2.根据权利要求1所述的自适应迁移学习的问答匹配方法，其特征在于，所述问答匹配方法还包括：

根据所述结果向量通过神经网络得到权重分数；

根据所述权重分数对所述候选答案进行排序。

3.根据权利要求2所述的自适应迁移学习的问答匹配方法，其特征在于，所述根据所述结果向量通过神经网络得到权重分数，其包括：将所述问题集合、所述答案集合以及目标标签输入至所述问答匹配模型；

对所述问答匹配模型得到输出结果中的所述目标标签进行归一化，根据归一化后的目标标签得到相对熵损失；

根据所述相对熵损失对所述问答匹配模型进行优化。

4.根据权利要求1所述的自适应迁移学习的问答匹配方法，其特征在于，所述关联特征向量包括第一关联特征向量、第二关联特征向量以及第三关联特征向量；所述根据所述注意力矩阵、所述问题集合以及所述答案集合确定问题和答案的关联权重，并根据所述关联权重得到关联特征向量这一步骤，其包括：根据列表注意力机制生成所述第一关联特征向量；

根据K最大值注意力机制生成所述第二关联特征向量；

根据K阈值注意力机制生成所述第三关联特征向量。

5.根据权利要求4所述的自适应迁移学习的问答匹配方法，其特征在于，所述根据列表注意力机制生成所述第一关联特征向量这一步骤，其包括：根据所述问题集合中的问题片段以及所述答案集合中的答案之间的相关性，确定所述问题片段与所述答案的第一关联权重，根据所述第一关联权重得到所述第一关联特征向量。

6.根据权利要求4所述的自适应迁移学习的问答匹配方法，其特征在于，所述根据K最大值注意力机制生成所述第二关联特征向量这一步骤，其包括：对所述问题集合中的问题片段以及所述答案集合中的答案得到的组合片段进行排序；

当排序序号大于预设值，将所述组合片段的注意力权重置零，删除注意力权重置零的组合片段；

当排序序号小于预设值，根据所述组合片段得到所述第二关联特征向量。

7.根据权利要求4所述的自适应迁移学习的问答匹配方法，其特征在于，所述根据K阈值注意力机制生成所述第三关联特征向量这一步骤，其包括：确定注意力权重阈值；

确定所述问题集合中的问题片段以及所述答案集合中的答案得到的组合片段的注意力权重不小于所述注意力权重阈值，根据所述组合片段生成所述第三关联特征向量。

8.自适应迁移学习的问答匹配系统，其特征在于，包括：文本获取单元，用于通过语言模型捕获文本，得到问题集合以及答案集合；

注意力生成单元，用于根据所述问题集合以及所述答案集合进行点积，得到注意力矩阵；

特征关联单元，用于根据所述注意力矩阵、所述问题集合以及所述答案集合确定问题和答案的关联权重，并根据所述关联权重得到关联特征向量；以及根据所述关联特征向量以及上下文向量得到动态集成向量，根据所述动态集成向量与所述答案集合中的元素进行结合得到结果向量；

迁移学习单元，用于根据所述结果向量训练得到问答匹配模型，将所述问答匹配模型迁移至目标数据集，根据所述目标数据集得到问题的候选答案。

9.自适应迁移学习的问答匹配系统，其特征在于，包括：至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器运行如权利要求1‑7任一项所述的自适应迁移学习的问答匹配方法。

10.一种存储介质，其中存储有处理器可执行的程序，其特征在于，所述处理器可执行的程序在由处理器执行时用于运行如权利要求1‑7中任一项所述的自适应迁移学习的问答匹配方法。