机器阅读理解(Machine Reading Comprehension)是指让机器阅读文本，然后回答和阅读内容相关的问题。“2018机器阅读理解技术竞赛”由**中文信息学会、**计算机学会和百度公司联手举办，使用了百度提供的面向真实应用场景的大规模中文阅读理解数据集。
国内外1000多支队伍中BLEU-4评分排名第6， ROUGE-L评分排名第14。（未ensemble，未嵌入训练好的词向量，无dropout）
针对一个问题，文档集里有多答案的情况非常普遍，我们认为‘一边提高某个答案作为答案的概率，另一边又降低其它答案作为答案的概率’是不合理的。
因此我们的模型采用先从每篇文章中独立抽取候选答案，再从候选答案集中抽取最佳答案的结构，以解决多答案致使神经网络难以学习的问题。架构的具体实现中，我们通过BiDAF+ Passage Self-Matching从单篇文章中抽取答案，构成候选答案集，再使用em和xgboost决策树从候选答案集中抽取最佳答案。
1、候选答案抽取层——BiDAF+Passage Self-Matching
2、答案选择层——em算法、xgboost
本模型由华南理工大学的G-scuter团队完成。 致谢广州极天信息技术股份有限公司、华南理工大学软件学院。