本文主要做出了两个大的贡献： 给出了阅读理解数据集的构造方法，并开源了两个阅读理解数据集； 提出了三种神经网络模型作为baseline，以方便后面的研究者进行相关的研究。 1 数据构造主要是从新闻网站中抓取新闻作为文章，新闻的摘要去掉一

1 背景（1）在记忆网络中，主要由4个模块组成：I、G、O、R，前面也提到I和G模块其实并没有进行多复杂的操作，只是将原始文本进行向量表示后直接存储在记忆槽中。而主要工作集中在O和R模块，O用来选择与问题相关的记忆，R用来回答，而这两部分都

本文模型之前的模型都是用一个静态的向量来表示一个entity，与上下文没有关系。而本文最大的贡献在于提出了一种动态表示entity的模型，根据不同的上下文对同样的entity有不同的表示。模型还是采用双向LSTM来构建，这时实体表示由四部分

1 问题和解决办法（1）问题 当遇到有若干个句子并且句子之间有联系的时候,RNN和LSTM就不能很好地解决； 对于句子间的这种长期依赖，于是需要从记忆中提取信息； （2）解决办法 本文提出了实现长期记忆的框架，实现了如何从长期记忆中