哈尔滨工业大学 发布 CMRC 2018 数据集, 应用在 机器阅读理解、中文文本处理 领域

哈尔滨工业大学 本次发布的数据集 CMRC 2018, CMRC 2018是由哈尔滨工业大学社会计算与信息检索研究中心和科大讯飞认知智能国家重点实验室共同创建的中文机器阅读理解数据集，包含近20,000条由专家标注的问题。数据集基于维基百科段落，旨在通过多样化的问答对提升机器理解中文文本的能力。创建过程中，数据预处理包括下载维基百科中文部分并转换为简体中文，确保文本的标准化。该数据集不仅用于评估机器阅读理解系统的性能，还促进了跨语言研究，特别是在解决需要多线索综合推理的复杂问题方面。

查看CMRC 2018

README 内容： 

关于 哈尔滨工业大学 , 哈尔滨工业大学是中国著名的理工科大学，位于黑龙江省哈尔滨市，是国家首批985工程和211工程重点建设高校之一，以工科为主，涵盖理、工、管、文、经、法等多个学科领域。

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。