为了解决需要关系推理的基于文本的问答任务，必须记住大量信息并从记忆中找出与问题相关的信息。大多数方法都是基于外部记忆和Memory Network提出的四个组件。其中最具特色的是寻找必要信息的方式，这对性能有重要贡献。最近，一种简单但强大的神经网络模块——关系网络（Relation Network, RN）被引入用于推理。我们从Memory Network的角度分析了RN，并意识到其多层感知机（MLP）组件能够揭示问题与对象对之间的复杂关系。受此启发，我们在Memory Network架构中引入了使用MLP来查找相关信息的方法。该方法在联合训练的bAbI-10k故事基础问答任务和bAbI对话基础问答任务中展示了最新的最佳结果。