基于Transformer的NLP智能对话机器人实战课程（第十九章、第二十章、第二十一章）_transformer nlp 实践

 “如果说 Transformer 是人工智能时代的芯片，那么StarSpace 就是AI 时代的操作系统。”

第19章：NLP阅读理解MRC(Machine Reading Comprehension)数学原理、技术本质及常见算法

1，以一篇119个Words的GRE(Graduate Record Examinations)文章及2个相应的阅读理解题目为例来剖析阅读理解的过程及其背后的机制

2，MRC在智能客服、机器问答、搜索引擎等等广泛应用背后的原因：规模化价值复制

3，信息的本质及信息理解的本质数学机制剖析

4，MRC三元素：Question-Context-Answer数学模型及技术本质剖析

5，MRC的核心：Attention Computations

6，MRC对信息理解三大层次解析及背后对应的数学模型

7，MRC实现方法之传统特征工程解析

8，MRC实现方法之深层语意图匹配解析

9，MRC实现方式之神经网络及Attention机制解析

10，MRC数据之Single-Document和Multiple-Document解析

11，MRC的四大核心任务之Cloze Tests数据集、数学原理和技术本质剖析

12，MRC的四大核心任务之Multiple Choice数据集、数学原理和技术本质剖析

13，MRC的四大核心任务之Span Extraction数据集、数学原理和技术本质剖析

14，MRC的四大核心任务之Free Anwering数据集、数学原