为了提供对机器阅读理解（MRC）中现有任务和模型的调查，本报告回顾：1）一些具有代表性的简单推理和复杂推理MRC任务的数据集收集和性能评估； 2）用于开发基于神经网络的MRC模型的体系结构设计，注意机制和提高性能的方法； 3）最近提出了一些转移学习方法，以将外部语料库中包含的文本样式知识合并到MRC模型的神经网络中； 4）最近提出的一些知识库编码方法，用于将外部知识库中包含的图形样式知识合并到MRC模型的神经网络中。 此外，根据已经取得的成就和仍然存在的不足，本报告还提出了一些尚待进一步研究的问题。

高中语文文言文阅读理解

小学二年级语文阅读理解强化训练，由众多优秀试券收集精篇而成，帮助孩子快速提升阅读理解能力。

中文版问答系统，采用双向神经网络训练

机器阅读理解(MRC)旨在教会机器阅读和理解人类语言，这是自然语言处理(NLP)的长期目标。随着深度神经网络的爆发和上下文语言模型(CLMs)的发展，MRC的研究经历了两个重大突破。

基于机器阅读理解的嵌套命名实体识别，王璞，徐蔚然，命名实体识别是自然语言处理领域的重要的基础性问题，经典的处理方法是把它看做序列标注任务，序列标签用于嵌套命名实体的表示时

本人曾随队在mrc2018机器阅读理解比赛中获得TOP11的名次，当时使用的是BIDAF，现尝试使用QANet去尝试dureader数据集

CMRC2018 是中文信息学会举办的评测，评测的任务是抽取类阅读理解。

新东方老师考研英语阅读理解精读100篇(word版)

机器阅读理解MRC评价方法说明