最近学习了一下机器阅读理解（MRC）的课程，这里做个小总结。结合例子，让我们来了解MRC。
一、NLP四大基本任务
首先我们了解一下NLP的基本任务。
- 序列标注：分词、词性标注
- 分类任务：文本分类、情感分析
- 句子关系：问答系统、对话系统
- 生成任务：机器翻译、文章摘要
- NLG（自然语言生成）&NLU（自然语言理解）
二、阅读理解
2.1 阅读理解概念
通过阅读从文本中抽取信息并理解意义的过程。通过交互从书面文字中提取与构造文章语义的过程。
小明在楼上，他口袋里有一个苹果。小明和小红说了一句话，然后出去玩了。
问题：苹果现在在哪？
其实我们一眼看出是可以很容易找到答案，但是交给机器就不一定了。
应用场景：搜索引擎、机器问答&智能客服
2.2 机器阅读理解（MRC）四大任务
- 完形填空
- 多项选择
- 答案抽取
- 自由回答
2.3 机器阅读理解方法
- 特征+传统机器学习
- BERT以前：各种神奇的QA架构
- BERT以后：预训练+微调+trick
三、机器阅读理解架构
这里的架构主要是整个模型的架构
总体架构
Embedding
- one-hot
- Word2vec
- Elmo(解决一次多义的问题)
- BERT
Feature Extraction（特征提取）
- CNN
- RNN
- Transformer
Context-Query Interaction
（问题与文章交互）
- 注意力机制
Answer Prediction
- Word predictor
- Option predictor
- Span extractor
- Answer generator
四、评测指标
- Accuracy
- F1
- Rouge-L
- BLEU
