Die Mehrfachauswahl-Leseverständnis-Aufgabe ist eine herausfordernde Aufgabe, die komplexe Schlussfolgerungsprozeduren erfordert. Bei gegebenem Text und Frage muss aus einer Reihe von möglichen Antworten die korrekte Antwort ausgewählt werden. In dieser Arbeit schlagen wir das Duale Co-Matching-Netzwerk (DCMN) vor, welches die Beziehungen zwischen Text, Frage und Antwort in beide Richtungen modelliert. Im Gegensatz zu bestehenden Ansätzen, die nur fragebasierte oder optionsbasierte Textrepräsentationen berechnen, berechnen wir gleichzeitig textbasierte Fragerepräsentationen und textbasierte Antwortrepräsentationen. Um die Effektivität unseres Modells zu demonstrieren, evaluieren wir es auf einem umfangreichen Datensatz für Mehrfachauswahl-Maschinelles Leseverständnis (z.B. RACE). Die experimentellen Ergebnisse zeigen, dass unser vorgeschlagenes Modell neue Stand der Technik-Ergebnisse erzielt.