RI-Net：通过结构化知识提炼和基于图形路径的推理来提高机器阅读理解
摘要
机器阅读理解（MRC）是NLP中一项具有挑战性的任务，它要求机器根据给定的段落准确回答问题。 传统的基于神经的端到端模型已经取得了巨大的成功，但是，仍然很难在长文本上以复杂的内部逻辑知识胜过人类。 为了缓解这个问题，我们提出了RI-Net，它由结构知识\ textbf {R}的定义和基于图形路径的\ textbf {I} nference组成。 具体来说，我们引入一种流水线方法来完善内部结构知识，其中包含实体提及，参照
