1.一种文本蕴含识别方法，用于对输入的包括前提文本与假设文本的文本对进行编码得到对应的文本向量，并利用自然语言推理中的注意力机制对所述文本向量进行推理来确定所述文本对中前提文本与假设文本之间的文本蕴含关系并输出，其特征在于：所述利用自然语言推理中的注意力机制对所述文本向量进行推理是基于长短期记忆网络的门控选择和动态注意力机制来进行的动态推理，其中，该动态推理包括分别对文本对从直接相连、相似性和差异性三个层面共同进行推理，在从直接相连、相似性和差异性三个层面进行推理之前，各所述层面需要分别先对前提文本和假设文本进行词级别注意力推理，再做句子门控选择全局语义相关部分。

2.根据权利要求1所述的文本蕴含识别方法，其特征在于，确定所述文本对中前提文本与假设文本之间的文本蕴含关系是通过直接相连、相似性和差异性三个层面共同动态推理得到的三个推理特征拼接起来，采用一层基于激活函数的全连接层进行降维，再用分类函数进行分类输出来得到的蕴含关系。

3.根据权利要求1或2所述的文本蕴含识别方法，其特征在于，所述对前提文本和假设文本进行词级别注意力推理的方法包括：对输入的假设文本的每个输入词，都计算前提文本所有词和假设当前词的注意力。

4.根据权利要求3所述的文本蕴含识别方法，其特征在于，所述做句子门控选择全局语义相关部分的方法包括：计算前提文本向量和假设文本向量的相关性，并从全局上选择与假设文本更相关的表示。

5.一种文本蕴含识别装置，包括：

编码网络模块，用于对输入的包括前提文本与假设文本的文本对进行编码得到对应的文本向量；

动态推理模块，用于利用自然语言推理中的注意力机制对所述文本向量进行推理来确定所述文本对中前提文本与假设文本之间的文本蕴含关系；

输出模块，用于确定并输出文本蕴含关系；

其特征在于：所述动态推理模块利用自然语言推理中的注意力机制对所述文本向量进行推理的过程是基于长短期记忆网络的门控选择和动态注意力机制来进行的动态推理，其中，该动态推理包括分别对文本对从直接相连、相似性和差异性三个层面共同进行推理，在从直接相连、相似性和差异性三个层面进行推理之前，各所述层面需要分别先对前提文本和假设文本进行词级别注意力推理，再做句子门控选择全局语义相关部分。

6.根据权利要求5所述的文本蕴含识别装置，其特征在于，所述输出模块用于确定所述文本对中前提文本与假设文本之间的文本蕴含关系是通过直接相连、相似性和差异性三个层面共同动态推理得到的三个推理特征拼接起来，采用一层基于激活函数的全连接层进行降维，再用分类函数进行分类输出来得到的蕴含关系。

7.根据权利要求5或6所述的文本蕴含识别装置，其特征在于，所述动态推理模块用于对前提文本和假设文本进行词级别注意力推理的方法包括：对输入的假设文本的每个输入词，都计算前提文本所有词和假设当前词的注意力。

8.根据权利要求7所述的文本蕴含识别装置，其特征在于，所述动态推理模块用于做句子门控选择全局语义相关部分的方法包括：计算前提文本向量和假设文本向量的相关性，并从全局上选择与假设文本更相关的表示。