本发明涉及一种以关键词为驱动的动态图神经网络多跳阅读理解方法，属于人工智能领域中的自然语言理解技术领域。所述方法以关键词为驱动，分别提取问题与上下文中的关键词；该被提取的关键词辅助模型挑选与问题相关的段落，构建句子间的静态推理图，以及引导模型准确定位答案跨度和证据句；接着计算带有边界意识的答案跨度损失用于强化答案的边界；为了解决跨段落句子信息传输受阻的问题，动态检索上下文中的句子，检索到的句子用于动态更新推理图且使用图神经网络模型在推理图中传递信息；联合训练答案跨度和证据句，最终提取答案和证据句，并加以验证。所述方法更符合人类阅读理解的习惯，具有很好地通用性，实用性强，易于推广。