QA问题

1.文章采用Document Retriever + Document Reader, 其中Document Retriever的问题是从Wikipedia抽取出相关的文档或段落，然后利用Document Reader进行阅读理解。

2.Document Retriever采用的是TFIDF，Document Reader采用的是Bi-LSTM

3.Document Retriever会检索到不包含答案的段落，从而加入了加入了Paragraph ranking，对检索到的Paragraph，根据问题embedding和段落embedding的相似性进行排序,只读前M个段落。

4.采用Paragraph Selector对检索到的段落进行过滤。

5.RETRIEVER和READER的多步交互，根据Reader的状态对query进行更新，更新的query用来重新检索段落，迭代多步后输出最后一步检索阅读后产生的答案。

6.设计了RETRIEVER和READER的多步交互，根据Reader的状态对query进行更新，更新的query用来重新检索段落，迭代多步后输出最后一步检索阅读后产生的答案。

7.没有考虑到段落之间的联系。由于正确答案往往有多个证据（evidence），而错误答案只有个别证据。所以进行了融合。

8.在模型上也有不同的改进。由于之前的模型[1,2]，问题和段落交互很少，都是将问题编码成问题向量，段落编码成段落向量然后进行（单层）交互。[5]提出对问题和段落编码的各个层进行全连接交互。