改百度用真实数据搭建机器阅读理解系统

7月28日，由中国中文信息学会和中国计算机学会共同发起并联合主办的第三届语言与智能高峰论坛(the rd language & intelligence summit)在北京召开。百度高级科学家吕雅娟应邀出席了“2018机器阅读理解技术测评竞赛”技术交流环节并进行竞赛总结，深度阐释了真实数据在机器阅读理解中的积极意义。

百度高级科学家吕雅娟作报告2018机器阅读理解技术竞赛是由中国中文信息学会、中国计算机学会和百度公司联合举办，旨在为研究者提供学术交流平台，进一步提升机器阅读理解的研究水平，推动语言理解和人工智能领域技术和应用的发展。大赛数据显示，共有来自15个国家的1062支团队报名参加此次比赛，最终15 支队伍累计提交结果次数共达1489次。其中99支队伍的成绩超过了基线系统，极大提升了机器阅读理解技术和系统的水平。

本次竞赛数据集来自百度搜索引擎真实应用场景，其中涉及的问题为百度搜索用户的真实问题，每个问题对应5个候选文档文本及人工整理的优质答案。“此次竞赛是面向真实搜索问答场景的阅读理解比赛。机器阅读理解技术，可提升机器智能水平，并能使机器具有持续东莞市委书记刘志庚首度公开放话“准备给镇街扩权”。　　8月3日至5日知识获取的能力。”吕雅娟在报告中表示，“百度通过提供包含 0万开放领域问题、150多万互联真实文档以及66万人工撰写答案的数据集dureader 2.0，确保了选手在比赛中得到真实问题、真实文本以及规模可观、标注丰富的数据。”值得注意的是，本次大赛的评测数据集已对大众全面开放，所有研究人员均可在百度broad平台下载使用，并能参与相关排行榜的测试，检验自身机器阅读理解技术能力。

获奖团队上台领奖naturali北京奇点机智科技有限公司联合创始人一脸深深的倦意。那一阵子兼cto、国际计算语言学协会会士（acl fellow）林德康博士在代表冠军团队进行分享时表示，“百度数据集是最好的中文阅读理解数据集之一。相比stanford经典数据集squad，百度数据集更真实、更具挑战性。squad是从维基百科的信息来源集成问题，答案必定出现在文本里面，句法比较标准。而此次比赛的百度数据集都是用户的真实提问，不仅包括事实性的问题，还包括意见性的问题。”

来自台北的获奖团队——台达电子-台达研究院的代表称，“本次机器阅读理解竞赛在建立中文阅读理解标杆的同时，也建立了交流的平台，是培养人工智能人才的摇篮。感谢百度提供的真实资料，使我们可以应用真实的数据去探索和研究机器阅读理解问题，创造了更多新的研究方法。”

作为中国人工智能企业代表之一，百度将依靠自己的数据资源与产业经验，积极推动产学研融合发展，用技术解决实际问题。与此同时，百度以开放姿态、先进的技术对年轻科技人才进行全方位赋能，助力其实现自身技术理想，共同为中国人工智能技术的发展贡献力量。

搜狐科技月28日，由中国中文信息学会和中国计算机学会共同发起并联合主办的第三届语言与智能高峰论坛(the rdlanguage&intelligencesum