自然语言处理NLP星空智能对话机器人系列：NLP on Transformers 101 第19章：NLP阅读理解MRC(Machine Reading Comprehension)数学原理，技术本质
第19章：NLP阅读理解MRC(Machine Reading Comprehension)数学原理、技术本质和常见算法 1，以一篇119个Words的GRE(Graduate Record Examinations)以文章和两个相应的阅读理解主题为例，分析阅读理解的过程及其背后的机制 2，MRC广泛应用于智能客户服务、机器问答、搜索引擎等背后的原因：大规模价值复制 3.分析信息的本质和信息理解的本质数学机制 4，MRC三元素：Question-Context-Answer数学模型及技术本质分析 5，MRC的核心：Attention Computations 6，MRC三个层次的信息理解分析和相应的数学模型 7，MRC实现方法之传统特征工程解析 8，MRC实现方法深层语意图匹配分析 9，MRC神经网络和实现模式Attention机制解析 10，MRC数据之Single-Document和Multiple-Document解析 11，MRC四大核心任务之一Cloze Tests数据集、数学原理和技术本质分析 12，MRC四大核心任务之一Multiple Choice数据集、数学原理和技术本质分析 13，MRC四大核心任务之一Span Extraction数据集、数学原理和技术本质分析 14，MRC四大核心任务之一Free Anwering数据集、数学原理和技术本质分析 15，Cloze Tests数据集分析：CNN&Daily Mail、CBT等