机器阅读理解是近年来自然语言处理一个热门研究领域,本文聚焦高考语文文意理解多选题,该题型考查的是对文章局部信息、主旨、作者意图和态度的把握,文意理解的选项复杂多变,主要测试机器对文章语义关系、散文结构、写作技巧、篇章主题和作者情感等内容的理解能力以及对文章整体的把握能力,挑战极大。本文首先分析选择题与选项特点,其次将选择题答题技术分为两种,一种是基于两段式的阅读理解答题技术,一种是基于联合训练的端到端答题技术,并提出多种候选句抽取方法和基于联合训练的阅读理解解答题方法,最后在近14年北京高考语文真题上进行测试,具体研究工作如下:（1）选项分析:我们对选择题进行了全面而细致的分析。首先从候选句抽取问题出发,我们将选项分为2大类;结合2019年高考语文《考试大纲》、答题技巧和分析策略,本文将近16年的选择题分为4大类,大类和小类构成两级类别体系。（2）基于两段式的选择题答题技术:本文采用了基于统计的候选句抽取方法、基于词嵌入的相似度计算方法、基于神经网络的候选句抽取方法,蕴含推理阶段采用多对一文本蕴含推理模型。此外,在该方法基础上,提出一种基于语义增强的句子相似度计算方法,答案预测的蕴含结果的F1值为66%,最终题目准确率达44%。（3）基于联合训练的选择题答题技术:本文结合答题的反常机制,针对该问题设计了一种多轮对齐架构和多向匹配机制的深度神经网络联合模型（MWM＿MRC）将候选句抽取和蕴含推理任务进行联合建模,在高考散文阅读理解选择题数据集上蕴含的F1值超过目前最好的模型,达到了71%,题目准确率达到了62%,验证了模型的有效性。本文将两段式和联合训练答题技术应用于高考散文阅读理解选择题答题系统,该系统设计并实现了多种高考散文阅读理解选择题答题策略,并已经应用于国家高科技发展计划项目（2018YFB1005103-3）中的高考语文答题机器人。