摘要：教机器阅读自然语言文档仍然是一个难以应付的挑战。对于看到的文档内容，我们可以测试机器阅读系统回答相关问题的能力，但是到目前为止，对于这种类型的评估仍缺少大规模的训练和测试数据集。在这项工作中，我们定义了一种新的方法来解决这个瓶颈，并提供了大规模的监督阅读理解数据。 这允许我们开发一类基于attention的深层神经网络，凭借最少的语言结构的先验知识来学习阅读真实文档和回答复杂的问题 。

　　attended-based神经网络机器翻译有效策略

　　Effective approaches to attention-based neural machine translation (2015)

　　作者 M. Luong et al.

　　通过共同学习对齐和翻译实现神经机器翻译

　　Neural machine translation by jointly learning to align and translate (2014)

　　作者 D. Bahdanau et al.

　　利用神经网络进行序列到序列的学习

　　Sequence to sequence learning with neural networks (2014)

　　作者I. Sutskever et al.

　　用 RNN 编码——解码器学习短语表征，实现统计机器翻译

　　Learning phrase representations using RNN encoder-decoder for statistical machine translation (2014)

　　作者K. Cho et al.

　　一个为句子建模的卷积神经网络

　　A convolutional neural network for modelling sentences (2014)

　　作者 N. Kalchbrenner et al.

　　用于句子分类的卷积神经网络

　　Convolutional neural networks for sentence classification (2014)

　　作者Y. Kim

　　Glove: 用于词表征的全局向量

　　Glove: Global vectors for word representation (2014)

　　作者 J. Pennington et al.

　　句子和文档的分布式表示

　　Distributed representations of sentences and documents (2014)

　　作者Q. Le and T. Mikolov

　　词、短语及其合成性的分布式表征

　　Distributed representations of words and phrases and their compositionality (2013)

　　作者T. Mikolov et al.

　　有效评估词在向量空间中的表征

　　Efficient estimation of word representations in vector space (2013)

　　作者T. Mikolov et al.

　　基于情感树库应用于情感组合研究的递归深度网络模型

　　Recursive deep models for semantic compositionality over a sentiment treebank (2013)

　　作者R. Socher et al.

　　语音/其他领域

　　端到端attention-based大规模词表语音识别

　　End-to-end attention-based large vocabulary speech recognition (2016)

　　作者 D. Bahdanau et al.

　　Deep speech 2：中英文端到端语音识别

　　Deep speech 2: End-to-end speech recognition in English and Mandarin (2015)

　　作者 D. Amodei et al.

　　使用深度循环网络进行语音识别

　　Speech recognition with deep recurrent neural networks (2013)

　　作者A. Graves

　　用于语音识别中声学建模的深度神经网络：四个研究小组的观点分享

　　Deep neural networks for acoustic modeling in speech recognition: The shared views of four research groups (2012)

　　作者G. Hinton et al.