近日，由中國(guó)中文信息學(xué)會(huì)(CIPS)、中國(guó)計(jì)算機(jī)學(xué)會(huì)(CCF)聯(lián)手百度公司共同舉辦的“2018機(jī)器閱讀理解技術(shù)競(jìng)賽” 圓滿落幕。來(lái)自全球各地的1062支參賽隊(duì)伍，在百度提供的中文閱讀理解數(shù)據(jù)集基礎(chǔ)上，對(duì)測(cè)試問(wèn)題進(jìn)行不斷探索，使得參賽系統(tǒng)水平得到顯著提升。大賽更多信息可登錄2018機(jī)器閱讀理解技術(shù)競(jìng)賽官網(wǎng)http://mrc2018.cipsc.org.cn/查看。賽后，獲獎(jiǎng)選手紛紛表示，百度向大眾開(kāi)放大規(guī)模中文閱讀理解數(shù)據(jù)集意義深遠(yuǎn)。

　　共享優(yōu)質(zhì)數(shù)據(jù)集 百度直擊行業(yè)數(shù)據(jù)缺失痛點(diǎn)

　　在機(jī)器學(xué)習(xí)領(lǐng)域，數(shù)據(jù)是機(jī)器學(xué)習(xí)的原料，也是推進(jìn)行業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)的燃料，而對(duì)于個(gè)人研究者與高校學(xué)子來(lái)說(shuō)，數(shù)據(jù)缺失成為研究的困境所在。作為最大的中文搜索引擎，百度在數(shù)據(jù)方面具有得天獨(dú)厚的優(yōu)勢(shì)。2017年底，全球規(guī)模最大的“BROAD”百度AI公開(kāi)數(shù)據(jù)集計(jì)劃(Baidu Research Open-Access Dataset)正式啟動(dòng)，百度面向公眾開(kāi)放包括室外場(chǎng)景理解數(shù)據(jù)集、視頻精彩片段數(shù)據(jù)集、閱讀理解數(shù)據(jù)集3個(gè)數(shù)據(jù)集。

　　來(lái)自北京大學(xué)Dlib實(shí)驗(yàn)室的尹伊淳正是在閱讀了百度DuReader數(shù)據(jù)集的論文后，才選擇參與到本次百度機(jī)器閱讀理解技術(shù)競(jìng)賽中的。這批公開(kāi)的、大規(guī)模、高質(zhì)量的真實(shí)數(shù)據(jù)集大大激發(fā)了他對(duì)于這項(xiàng)工作的興趣，使得他在最終角逐中獲得了總排名第二的好成績(jī)。

　　本次機(jī)器閱讀理解競(jìng)賽中百度提供給參賽者的，正是面向真實(shí)應(yīng)用場(chǎng)景的大規(guī)模閱讀理解數(shù)據(jù)集。該數(shù)據(jù)集是迄今為止最大的中文閱讀理解數(shù)據(jù)集，其中包含來(lái)自百度搜索的30萬(wàn)個(gè)真實(shí)問(wèn)題，每個(gè)問(wèn)題對(duì)應(yīng)5個(gè)候選文檔文本，以及人工撰寫(xiě)的優(yōu)質(zhì)答案。東北大學(xué)自然語(yǔ)言處理實(shí)驗(yàn)室知識(shí)圖譜團(tuán)隊(duì)在賽后表示，“數(shù)據(jù)集的開(kāi)放使得機(jī)器閱讀理解系統(tǒng)得以映射到真實(shí)的使用場(chǎng)景中。”對(duì)于機(jī)器閱讀理解技術(shù)研究者而言，百度數(shù)據(jù)集彌合了國(guó)內(nèi)的真實(shí)場(chǎng)景語(yǔ)料多文檔閱讀理解數(shù)據(jù)集的空白，也為加速AI產(chǎn)品落地帶來(lái)了啟示。更多數(shù)據(jù)集論文可登錄https://arxiv.org/abs/1711.05073查看，供業(yè)界交流使用。

　　獲獎(jiǎng)團(tuán)隊(duì)好評(píng)如潮 百度數(shù)據(jù)集帶來(lái)真實(shí)創(chuàng)想

　　在比賽中，選手們依托百度閱讀理解數(shù)據(jù)集，參賽系統(tǒng)整體水平得到了顯著提升。比賽期間排行榜高分不斷刷新，ROUGE-L評(píng)價(jià)指標(biāo)由最初的35.96提升至終賽的63.38，接近半數(shù)的系統(tǒng)結(jié)果超過(guò)了基線系統(tǒng)。

　　賽后，就百度數(shù)據(jù)集的數(shù)量與質(zhì)量，本次機(jī)器閱讀理解技術(shù)競(jìng)賽的獲獎(jiǎng)團(tuán)隊(duì)，給出了一致好評(píng)。選手們紛紛表示，面向真實(shí)場(chǎng)景的大型閱讀數(shù)據(jù)集，為自然語(yǔ)言研究引入了寶貴的創(chuàng)想。

　　最終在競(jìng)賽中拔得頭籌的北京奇點(diǎn)機(jī)智科技有限公司(Naturali)團(tuán)隊(duì)表示，此次比賽數(shù)據(jù)集聚焦于實(shí)用場(chǎng)景，問(wèn)題來(lái)源于真實(shí)用戶，類型多樣，其中來(lái)源于真實(shí)網(wǎng)絡(luò)文檔的數(shù)據(jù)，有別于經(jīng)過(guò)精心編輯的文檔，更有利于機(jī)器閱讀理解研究“從理想照進(jìn)現(xiàn)實(shí)”。

　　面向高校開(kāi)源不斷 百度助力AI人才培養(yǎng)與升級(jí)

　　作為一名機(jī)器學(xué)習(xí)方向的研究生，來(lái)自上海理工大學(xué)的王忠萌選手此前的研究材料以各種英文數(shù)據(jù)集為主。競(jìng)賽中與百度數(shù)據(jù)集的交匯，點(diǎn)燃了他對(duì)中文機(jī)器閱讀理解的興趣。正如評(píng)測(cè)委員會(huì)成員劉凱所說(shuō)，此次競(jìng)賽提供的數(shù)據(jù)，將幫助參賽者挖掘更多中文閱讀理解問(wèn)題，同時(shí)更深入地接觸到實(shí)際的應(yīng)用需求，最終起到引導(dǎo)參賽者關(guān)注中文機(jī)器閱讀理解的目的。

　　百度中文數(shù)據(jù)集的公開(kāi)，只是百度數(shù)據(jù)集分享計(jì)劃的一小部分。百度通過(guò)本次競(jìng)賽為學(xué)術(shù)界和工業(yè)界提供了一個(gè)公開(kāi)的閱讀理解技術(shù)交流平臺(tái)，將大量?jī)?yōu)質(zhì)的數(shù)據(jù)集與研究成果將觸達(dá)到更多高校學(xué)子和企業(yè)研究人員，降低了AI研究的門檻，使得個(gè)人研究者也能積極參與到系統(tǒng)研發(fā)與調(diào)試中去。這不僅直接推進(jìn)了AI技術(shù)的發(fā)展進(jìn)度，還將大量潛在的AI人才吸引到行業(yè)之中，培養(yǎng)與成就更多中國(guó)人工智能領(lǐng)域的精英技術(shù)人才，打造優(yōu)良的行業(yè)生態(tài)。

特別提醒：本網(wǎng)內(nèi)容轉(zhuǎn)載自其他媒體，目的在于傳遞更多信息，并不代表本網(wǎng)贊同其觀點(diǎn)。其原創(chuàng)性以及文中陳述文字和內(nèi)容未經(jīng)本站證實(shí)，對(duì)本文以及其中全部或者部分內(nèi)容、文字的真實(shí)性、完整性、及時(shí)性本站不作任何保證或承諾，并請(qǐng)自行核實(shí)相關(guān)內(nèi)容。本站不承擔(dān)此類作品侵權(quán)行為的直接責(zé)任及連帶責(zé)任。如若本網(wǎng)有任何內(nèi)容侵犯您的權(quán)益，請(qǐng)及時(shí)聯(lián)系我們，本站將會(huì)在24小時(shí)內(nèi)處理完畢。