随着互联网的兴起和发展，数据规模急速增长，如何利用机器阅读理解技术对海量的非结构化数据进行解析，从而帮助用户快速、准确地查找到满意答案，是目前自然语言理解领域中的一个热门课题。该文通过对机器阅读理解中的深度神经网络模型进行研究，构建了RBiDAF模型。首先，通过对DuReader数据集进行数据探索，并对数据进行预处理，从中提取出有利于模型训练的特征。其次在BiDAF模型的基础上提出了基于多文档重排序的RBiDAF机器阅读理解模型，该模型在BiDAF模型四层网络框架的基础上添加了ParaRanking层。其中在ParaRanking层，该文提出了多特征融合的ParaRanking算法，此外在答案预测层，提出了基于先验知识的多答案交叉验证算法，进而对答案进行综合预测。在"2018机器阅读理解技术竞赛"的最终评测中，该模型表现出了不错的效果。