百度公司 发布 DuReader 数据集, 应用在 机器阅读理解、中文数据集 领域

百度公司 本次发布的数据集 DuReader, DuReader是由百度公司创建的一个大规模、开放领域的中国机器阅读理解（MRC）数据集，旨在解决实际的MRC问题。该数据集包含20万问题、42万答案和100万文档，是目前最大的中文MRC数据集。数据来源于百度搜索和百度知道，答案由人工生成，特别强调了yes-no和意见问题。DuReader的创建过程涉及从搜索日志中随机抽样问题，并使用预训练分类器自动选择问题，然后由人工标注。该数据集主要应用于机器阅读理解领域，旨在推动MRC技术的发展，特别是在处理真实世界数据源、多样问题类型和大规模数据方面。

查看DuReader

关于 百度公司 , 百度公司是中国领先的互联网服务和人工智能公司，提供搜索引擎、在线广告、云计算、人工智能等服务。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。