随着深度学习的复兴,再一次掀起了人工智能的研究高潮,而对自然语言处理来说,自然语言一直以来被誉为是人工智能领域的皇冠。其中,推理能力是实现真正人工智能的一个关键因素,为了让机器获得更强的推理能力,有学者提出利用机器阅读理解任务来让机器获得深度推理能力,并且随着阅读理解相关的各类型数据集发布和模型快速发展,促使机器阅读理解迅速成为nlp领域最热门的研究方向之一。百度于2018年提出DuReader2.0数据集,相较于其他阅读理解任务数据集,DuReader2.0有着很大的不同,它的数据来源丰富,问题类型复杂,文本数据很长,并且每个问题对应多个文章和多个人工答案。针对DuReader2.0这种多文档多答案的机器阅读理解任务,本文主要从三个方面来进行研究,考察长文本的有效信息提取,研究文章与问题信息的有效融合,并研究如何获取更丰富的文本信息。本文的主要工作内容和成果如下:(1)研究并复现了在单文档问题跨度抽取任务上具有较好性能的BiDAF模型(百度官方给出的基准模型),并以BiDAF的成绩作为本文任务的基准成绩,以BiDAF模型作为我们工作改进的基准模型。(2)针对DuReader2.0这类多文档多答案的机器阅读理解任务,本文首先引入一种新的段落提取策略,将可能包含答案片段的文本提取出来。首先计算问题和文档各个段落的BLEU-4的分数,根据分数依次排序,选取分数最高的四个段落,以及后续段落中第一个句子,将它们拼接起来,截取不超过最大模型输入范围的片段作为我们模型的输入文本。针对多参考答案,我们在文章中提取与人工答案F1值最高的片段作为我们训练的预测答案。(3)同时,我们提出了一个新的模型,该模型共有六层,一是段落提取层,计算方法如上。二是词嵌入层,使用在DuReader2.0语料库上预训练的GloVe词向量作为模型的词嵌入。三是编码层,使用BiLSTM来对文章和问题进行编码,以获取文章和问题的初步表示。四是交互层,使用双向注意力来融合文章和问题的信息,其通过计算相似度矩阵,利用softmax获得注意力权重,以获得问题感知的文章表示和文章感知的问题表示,再加上一层self-attention进一步融合文章和问题的信息。五是卷积层,使用卷积+highway+反卷积层的方式来获取更丰富的文章信息。六是输出层,利用softmax函数获取预测答案的开始位置和结束位置。在训练的处理上,作者引入了一个针对多答案的损失函数,即对最大似然损失函数进行求和取平均,以提高模型的性能。本文的实验基于DuReader2.0数据集,在开发集给出实验消融分析和与基准模型对比结果。实验表明,本文提出的模型相比于百度官方给出的基准模型BiDAF在ROUGE-L和BELU-4得分上有着一定的效果提升。