近年来，众多深度神经网络模型被提出以解决阅读理解（Reading Comprehension, RC）任务。然而，大多数现有模型在处理长篇文档时存在推理困难，且难以直接推广至答案并非以片段形式存在于给定文档中的情形。为此，本文提出一种新颖的基于神经网络的架构，该架构能够根据给定的问题-文档对提取相关语义区域，并生成结构完整、语义准确的答案。为验证所提架构的有效性，我们在近期提出的具有挑战性的阅读理解数据集——NarrativeQA 上开展了一系列实验。实验结果表明，该架构在 ROUGE-L 指标上相较于当前最先进方法实现了 12.62% 的相对提升，显著优于现有模型。