【专知荟萃22】机器阅读理解RC知识资料全集（入门/进阶/论文/综述/代码/专家，附查看）

点击上方“专知”关注获取专业AI知识!

【导读】主题荟萃知识是专知的核心功能之一，为用户提供AI领域系统性的知识学习服务。主题荟萃为用户提供全网关于该主题的精华（Awesome）知识资料收录整理，使得AI从业者便捷学习和解决工作问题！在专知人工智能主题知识树基础上，主题荟萃由专业人工编辑和算法工具辅助协作完成，并保持动态更新！另外欢迎对此创作主题荟萃感兴趣的同学，请加入我们专知AI创作者计划，共创共赢！ 今天专知为大家呈送第二十二篇专知主题荟萃-机器阅读理解（Reading Comprehension）知识资料大全集荟萃 （入门/进阶/综述/视频/代码/专家等），请大家查看！专知访问www.zhuanzhi.ai,  或关注微信公众号后台回复" 专知"进入专知，搜索主题“机器阅读理解”查看。此外，我们也提供该文网页桌面手机端（www.zhuanzhi.ai）完整访问，可直接点击访问收录链接地址，以及pdf版下载链接，请文章末尾查看！此为初始版本，请大家指正补充，欢迎在后台留言！欢迎大家分享转发~

• 机器阅读理解（Reading Comprehension）专知荟萃

• 入门学习

• 进阶论文

• 综述

• Datasets

• Code

• 领域专家

入门学习

1. 深度学习解决机器阅读理解任务的研究进展 张俊林

• [https://zhuanlan.zhihu.com/p/22671467]

从短句到长文，计算机如何学习阅读理解 微软亚洲研究院

• [http://www.msra.cn/zh-cn/news/features/machine-text-comprehension-20170508]

基于深度学习的阅读理解 冯岩松

• [http://cips-upload.bj.bcebos.com/2017/ssatt2017/QA_2017_QAII.pdf\]

SQuAD综述

• [https://www.jiqizhixin.com/articles/2017-05-21]

教机器学习阅读 张俊

• [https://baijia.baidu.com/s?old_id=507397\]

解读DeepMind的论文“教会机器阅读和理解”

• [http://www.jianshu.com/p/4da1dea4f541]

机器阅读理解中文章和问题的深度学习表示方法

• [http://blog.csdn.net/malefactor/article/details/52599733]

进阶论文

1. Teaching Machines to Read and Comprehend

• [https://arxiv.org/abs/1506.03340]

Learning to Ask: Neural Question Generation for Reading Comprehension

• https://arxiv.org/pdf/1705.00106.pdf

Attention-over-Attention Neural Networks for Reading Comprehension

• https://arxiv.org/pdf/1607.04423.pdf

R-NET: MACHINE READING COMPREHENSION WITH SELF-MATCHING NETWORKS

• https://www.microsoft.com/en-us/research/wp-content/uploads/2017/05/r-net.pdf

Mnemonic Reader for Machine Comprehension

• https://arxiv.org/pdf/1705.02798.pdf

TriviaQA: A Large Scale Distantly Supervised Challenge Dataset for Reading Comprehension

• https://arxiv.org/pdf/1705.03551.pdf

S-Net: From Answer Extraction to Answer Generation for Machine Reading Comprehension

• https://arxiv.org/pdf/1706.04815.pdf

RACE: Large-scale ReAding Comprehension Dataset From Examinations

• https://arxiv.org/pdf/1704.04683.pdf

Adversarial Examples for Evaluating Reading Comprehension Systems

• https://arxiv.org/pdf/1707.07328.pdf

Machine comprehension using match-lstm and answer pointer

• [https://arxiv.org/pdf/1608.07905]

Multi-perspective context matching for machine comprehension

• [https://arxiv.org/abs/1612.04211]

Reasonet: Learning to stop reading in machine comprehension

• [http://dl.acm.org/citation.cfm?id=3098177]

Learning recurrent span representations for extractive question answering

• [https://arxiv.org/abs/1611.01436]

End-to-end answer chunk extraction and ranking for reading comprehension

• [https://arxiv.org/abs/1610.09996]

Words or characters? fine-grained gating for reading comprehension

• [https://arxiv.org/abs/1611.01724]

Reading Wikipedia to Answer Open-Domain Questions

• [https://arxiv.org/abs/1704.00051]

An analysis of prerequisite skills for reading comprehension

• [http://www.aclweb.org/anthology/W/W16/W16-60.pdf#page=13]

A Comparative Study of Word Embeddings for Reading Comprehension

• https://arxiv.org/pdf/1703.00993.pdf

综述

1. Emergent Logical Structure in Vector Representations of Neural Readers

• [https://arxiv.org/pdf/1611.07954v1.pdf]

机器阅读理解任务综述 林鸿宇 韩先培

• [https://mp.weixin.qq.com/s?__biz=MzIxNzE2MTM4OA==&mid=2665643130&idx=1&sn=5f75f0d4978289caea6c4cb37b0b74c4\]

Datasets

1. MCTest
   

• http://research.microsoft.com/en-us/um/redmond/projects/mctest/data.html

bAbI

• https://research.fb.com/projects/babi/

WikiQA

• https://www.microsoft.com/en-us/download/details.aspx?id=52419

SNLI

• http://nlp.stanford.edu/projects/snli/

Children's Book Test

• https://research.fb.com/projects/babi/

BookTest

• https://ibm.ent.box.com/v/booktest-v1

CNN / Daily Mail

• http://cs.nyu.edu/~kcho/DMQA/

Who Did What

• https://tticnlp.github.io/who_did_what/download.html

NewsQA

• http://datasets.maluuba.com/NewsQA

SQuAD

• https://rajpurkar.github.io/SQuAD-explorer/

LAMBADA

• http://clic.cimec.unitn.it/lambada/

MS MARCO

• http://www.msmarco.org/dataset.aspx

WikiMovies

• https://research.fb.com/projects/babi/

WikiReading

• https://github.com/dmorr-google/wiki-reading

Code

1. CNN/Daily Mail Reading Comprehension Task

• [https://github.com/danqi/rc-cnn-dailymail]

TriviaQA

• [https://github.com/mandarjoshi90/triviaqa]

Attentive Reader

• [https://github.com/lhoang29/attentive-reader]

DrQA

• [https://github.com/hitvoice/DrQA]

领域专家

1.  Percy Liang

• [https://cs.stanford.edu/~pliang/\]

刘挺

• [http://homepage.hit.edu.cn/liuting]

Jason Weston

• [https://research.fb.com/people/weston-jason/]

特别提示-专知机器阅读理解主题：

请PC登录www.zhuanzhi.ai或者点击阅读原文，注册登录，顶端搜索“机器阅读理解” 主题，查看评论获得专知荟萃全集知识等资料，直接PC端访问体验更佳！如下图所示~

此外，请关注专知公众号（扫一扫最下面专知二维码，或者点击上方蓝色专知），

• 后台回复“机器阅读理解”或者“RC” 就可以在手机端获取专知机器阅读理解资料查看链接地址，直接打开荟萃资料的链接地址~~

请扫描专知小助手，加入专知人工智能群交流~

专知荟萃知识资料全集获取（关注本公众号-专知，获取下载链接），请查看：

-END-

欢迎使用专知

专知，一个新的认知方式! 专注在人工智能领域为AI从业者提供专业可信的知识分发服务, 包括主题定制、主题链路、搜索发现等服务，帮你又好又快找到所需知识。

使用方法>>访问www.zhuanzhi.ai, 或点击文章下方“阅读原文”即可访问专知

中国科学院自动化研究所专知团队

@2017 专知

专 · 知

关注我们的公众号，获取最新关于专知以及人工智能的资讯、技术、算法、深度干货等内容。扫一扫下方关注我们的微信公众号。

点击“阅读原文”，使用专知！