近日，由中國中文信息學(xué)會(CIPS)、中國計算機學(xué)會(CCF)聯(lián)手百度公司共同舉辦的“2018機器閱讀理解技術(shù)競賽” 圓滿落幕。來自全球各地的1062支參賽隊伍，在百度提供的中文閱讀理解數(shù)據(jù)集基礎(chǔ)上，對測試問題進行不斷探索，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機器閱讀理解技術(shù)競賽官網(wǎng)http://mrc2018.cipsc.org.cn/查看。賽后，獲獎選手紛紛表示，百度向大眾開放大規(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

　　在機器學(xué)習(xí)領(lǐng)域，數(shù)據(jù)是機器學(xué)習(xí)的原料，也是推進行業(yè)結(jié)構(gòu)轉(zhuǎn)型升級的燃料，而對于個人研究者與高校學(xué)子來說，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)方面具有得天獨厚的優(yōu)勢。2017年底，全球規(guī)模最大的“BROAD”百度AI公開數(shù)據(jù)集計劃(Baidu Research Open-Access Dataset)正式啟動，百度面向公眾開放包括室外場景理解數(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個數(shù)據(jù)集。

　　來自北京大學(xué)Dlib實驗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器閱讀理解技術(shù)競賽中的。這批公開的、大規(guī)模、高質(zhì)量的真實數(shù)據(jù)集大大激發(fā)了他對于這項工作的興趣，使得他在最終角逐中獲得了總排名第二的好成績。

　　本次機器閱讀理解競賽中百度提供給參賽者的，正是面向真實應(yīng)用場景的大規(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，其中包含來自百度搜索的30萬個真實問題，每個問題對應(yīng)5個候選文檔文本，以及人工撰寫的優(yōu)質(zhì)答案。東北大學(xué)自然語言處理實驗室知識圖譜團隊在賽后表示，“數(shù)據(jù)集的開放使得機器閱讀理解系統(tǒng)得以映射到真實的使用場景中。”對于機器閱讀理解技術(shù)研究者而言，百度數(shù)據(jù)集彌合了國內(nèi)的真實場景語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。

　　獲獎團隊好評如潮 百度數(shù)據(jù)集帶來真實創(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評價指標(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，本次機器閱讀理解技術(shù)競賽的獲獎團隊，給出了一致好評。選手們紛紛表示，面向真實場景的大型閱讀數(shù)據(jù)集，為自然語言研究引入了寶貴的創(chuàng)想。

　　最終在競賽中拔得頭籌的北京奇點機智科技有限公司(Naturali)團隊表示，此次比賽數(shù)據(jù)集聚焦于實用場景，問題來源于真實用戶，類型多樣，其中來源于真實網(wǎng)絡(luò)文檔的數(shù)據(jù)，有別于經(jīng)過精心編輯的文檔，更有利于機器閱讀理解研究“從理想照進現(xiàn)實”。

　　面向高校開源不斷 百度助力AI人才培養(yǎng)與升級

　　作為一名機器學(xué)習(xí)方向的研究生，來自上海理工大學(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。競賽中與百度數(shù)據(jù)集的交匯，點燃了他對中文機器閱讀理解的興趣。正如評測委員會成員劉凱所說，此次競賽提供的數(shù)據(jù)，將幫助參賽者挖掘更多中文閱讀理解問題，同時更深入地接觸到實際的應(yīng)用需求，最終起到引導(dǎo)參賽者關(guān)注中文機器閱讀理解的目的。

　　百度中文數(shù)據(jù)集的公開，只是百度數(shù)據(jù)集分享計劃的一小部分。百度通過本次競賽為學(xué)術(shù)界和工業(yè)界提供了一個公開的閱讀理解技術(shù)交流平臺，將大量優(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。這不僅直接推進了AI技術(shù)的發(fā)展進度，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。其原創(chuàng)性以及文中陳述文字和內(nèi)容未經(jīng)本站證實，對本文以及其中全部或者部分內(nèi)容、文字的真實性、完整性、及時性本站不作任何保證或承諾，并請自行核實相關(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，請及時聯(lián)系我們，本站將會在24小時內(nèi)處理完畢。