数值推理，如加减运算、排序与计数等，是人类阅读理解中的关键能力，然而在现有的机器阅读理解（MRC）系统中尚未得到充分重视。为解决这一问题，我们提出了一种名为NumNet的数值型阅读理解模型。该模型采用一种具备数值感知能力的图神经网络，能够有效捕捉数值间的比较关系，并在问题与文本中的数字之间执行数值推理。在DROP数据集上，该系统取得了64.56%的EM分数，显著优于现有各类机器阅读理解模型，充分体现了其在处理数字间关系方面的优越性能。