1.一种基于Coarse2Fine网络的相似问题匹配方法，其特征在于，包括以下步骤：步骤1：上传数据集至数据库中，运用数据集训练得到对应的Coarse2Fine模型；

步骤2：通过Coarse2Fine模型接口的上传接口上传待处理语句，运用Coarse2Fine模型中的BM25模型将待处理语句与数据库中的语句进行粗粒度的相似度匹配，得到数条匹配语句，将待处理语句、数条匹配语句作为Coarse2Fine模型的ESIM网络的输入；

步骤3：在ESIM网络中提取待处理语句、匹配语句的特征值，将待处理语句的特征值逐一与数条匹配语句的特征值计算差异性值；

步骤4：在ESIM网络中提取出差异性值小的匹配语句，作为相似语句的输出结果。

2.如权利要求1所述的基于Coarse2Fine网络的相似问题匹配方法，其特征在于，所述步骤2中，运用Coarse2Fine模型中的BM25模型将待处理语句与数据库中的语句进行粗粒度的相似度匹配，得到数条匹配语句，具体为：将待处理语句与数据库中某一语句进行语素分析，再求两个语句之间相关性的得分，得分计算公式如下：

其中，Q表示输入的语句，d表示数据库中的待匹配语句，qi表示问句匹配的基本单位，Wi表示qi的权重；R(qi，d)表示语素qi与d的相关性得分。

最后根据相关性的得分高低，提取出得分高的且满足需求的数条匹配语句。

3.如权利要求1所述的基于Coarse2Fine网络的相似问题匹配方法，其特征在于，所述步骤3中，在ESIM网络中提取待处理语句、匹配语句的特征值具体方法如下：ESIM网络使用词嵌入和BiLSTM根据上下文重新学习待处理语句、匹配语句的单词表示，得到待处理语句、匹配语句的编码表示，根据注意力权重得到待处理语句、匹配语句的加权编码表示，将编码表示和加权编码表示作为特征值。

4.如权利要求3所述的基于Coarse2Fine网络的相似问题匹配方法，其特征在于，所述步骤3中，ESIM网络使用词嵌入和BiLSTM根据上下文重新学习待处理语句、匹配语句的单词表示，得到待处理语句、匹配语句的编码表示的具体公式如下：其中，a和b分别表示输入的两个语句，i和j表示句子中某个词语的序号，la和lb表示句子a和b的长度， 和 则分别为输入语句a和b中某个单词的向量表示。

5.如权利要求3或4所述的基于Coarse2Fine网络的相似问题匹配方法，其特征在于，所述步骤3中，根据注意力权重得到待处理语句、匹配语句的加权编码表示的具体方法为：运用attention机制，计算待处理语句、匹配语句的词向量联系：其中， 表示输入语句a各个词向量的转置和输入语句b中各个词向量之间的乘积；

再根据如下公式计算待处理语句、匹配语句的权重加权后的值，得到待处理语句、匹配语句的加权编码表示的具体公式如下：

其中， 和 分别表示输入语句a和b中某个词的加权编码表示。

6.如权利要求5所述的基于Coarse2Fine网络的相似问题匹配方法，其特征在于，所述步骤3中，将 和 分别进行差和点积运算，得到差异性值ma和mb，差异性值计算公式如下：

其中， 和 分别表示输入语句a和b的编码值和加权编码值。

7.如权利要求1所述的基于Coarse2Fine网络的相似问题匹配方法，其特征在于，所述步骤4具体如下：

通过BiLSTM层获取差异性值的局部推理信息和上下文信息，将获取结果进行最大池化和平均池化，并把池化后的值再次拼接，放到一个新的向量中，将向量输入到多层感知分类器，最后在输出层使用softmax函数得到差异性值小的匹配语句。