阅读理解任务是在给定的单篇文本上,要求计算机根据文本的内容对相应的问题作出回答。阅读理解是人工智能领域的一个研究热点,涉及多种复杂的自然语言处理技术。本文以北京语文高考为背景做阅读理解研究。北京语文高考中的阅读理解材料有两类,分别为科技文和文学作品。涉及的题型有选择题和问答题,其中选择题包括文意理解题、词语理解题、指代消解题等;问答题包括句子理解题、标题理解题、抽取概括题等。本文着重针对阅读理解选择题中的词义判断题进行研究,主要工作如下:(1)针对词义判断题提出了一个基于支持度计算的解答策略:根据文档中相关句对释义的支持程度计算支持度,然后对支持度进行排序来达到解答的目的。(2)从词序和词义出发,提出了三种支持度计算方法,分别为:基于语言模型的支持度、基于点互信息的支持度、基于句子相似度的支持度,来刻画题中被解释词语所属句子的句子连贯性和语义相似度。(3)针对词义判断题题目数量较少,尝试采用同义词替换法进行词义判断数据集的自动生成,以弥补数据集不足的问题。(4)实现了一个词义判断题解答系统。在北京高考语文真题、高考模拟题数据集上进行测试,三种方法的选项正确率分别为62.5%、75%、62.5%,在自动生成数据集上进行测试的选项正确率分别为67.5%、65.5%、64%。可以看出,基于支持度计算的解答策略有效解决了词义判断问题,推动了类似阅读理解题目的解答。但是所提策略仍有许多不足,如该策略主要是从词匹配的角度来研究,并没有从语义角度来解答该问题。