[ICLR2017] Machine Comprehension Using Match-LSTM and Answer Pointer

文章思路的框架图如下：

本文涉及到的两个技术点：
(1) match-LSTM: 第一次接触，后面会有详细介绍
(2) Pointer Net: 针对这个网络有专门的解析，这里不再赘述
https://blog.****.net/appleml/article/details/76988385

本文还给出了该任务(Machine comprehension) 的解决的两个问题映射模型：
(1) The Sequence Model: 将问题的答案映射为一个整数序列 $\bm{ a }$a = ($a_1$a1​, $a_2$a2​, …)，其中$a_i$ai​是整数，并且是连续的，指的是在context中word的位置
(2) The Boundary Model : 给出答案的起始位置， $\bm{a}$a = ($a_s$as​, $a_e$ae​)， 其中$a_s$as​是答案的开始位置，$a_e$ae​是答案的结束位置，我们的只需要预测$a_s$as​和$a_e$ae​即可