阿里巴巴 张佶 - 阿里小蜜中的机器阅读理解技术揭秘_部分2.pdfVIP

公开数据集-选择题 •  选择题 ：微软的MCTest ü  真实英文儿童读物 ü  每篇150-300词 ü  要求从4个选项中选出正确答案 ü  数量较少 ，分160篇和500篇两种 公开数据集-完形填空 •  完形填空 ：DeepMind的CNN和 DailyMail数据集 ü  真实新闻数据 ü  自动标注产生 ü  要求回答被抽掉的实体 ，实体在文中出现过 ü  数量较大 ，CNN9万篇 ，DailyMail 22万篇 公开数据集-完形填空 •  完形填空 ：讯飞和哈工大的中文数据集 ü  真实新闻数据 ü  自动标注产生 ü  要求回答被抽掉的实体 ü  数量较大 ，共87万篇 公开数据集-SQuAD •  可变长答案数据集 ：斯坦福的SQuAD ü  答案是文章