NLP机器阅读理解

机器阅读理解（Machine Reading Comprehension, MRC）是让机器具有阅读并理解文章的能力。机器阅读理解是自然语言处理的核心任务之一，在很多领域有着广泛的应用， 比如问答系统、搜索引擎、对话系统等。机器阅读理解包含完形填空式、选择式、抽取式 和生成式四种主要类型。

机器阅读理解发展历程

基于规则的MRC

早期的 MRC 系统都是基于规则的，其会根据不同的问题类型（WHO、WHAT、 WHEN、WHERE、WHY）设计不同的规则集来对句子打分并选择得分最高的句子作为答案句。

基于机器学习的MRC

随着机器学习技术的兴起，研究者们尝试将 MRC 定义为一种监督学习问题。他们希望将人工标注的（段落、问题、答案）三元组数据集训练为一个统计学模型，使得该模型可以在测试时将（段落、问题）映射到对应的答案。

基于深度学习的MRC

深度神经网络和大量大规模 MRC 数据集的出现极大的加快了 MRC 领域研究的进展。大量大规模数据集的出现使得使用深度神经网络模型解决阅读理解问题成为了可能。同时由于深度神经网络模型可以很好的捕获上下文信息，所以性能显著优于传统的方法，并在各个应用领域都得到了广泛的应用。

抽取式MRC任务

抽取式阅读理解，常见形式是给定文章