申请专栏作者
您的当前位置:主页 > 深度学习 > 正文

谷歌发布自然问答数据集 Natural Questions

来源: 时间:2019-01-29

中国Google 发布用于训练和评估开放领域(Open-domain)问答系统的大型语料库 Natural Questions(NQ)。该数据集包含了 30 万个自然产生的问题和对应的回答注释,每个回答都是人工从维基百科页面找到的答案。另外,Google 还举办了挑战活动,以 NQ 数据集训练的模型性能来生成挑战者的排行榜。

 

 

开放式域名问答(QA)是自然语言理解(NLU)中的一项基准任务,旨在模仿人们如何查找信息,通过对问题的阅读和理解找到问题的答案。例如,用自然语言表达的问题(“为什么天是蓝色的?”),QA 系统应该能够阅读网页(比如这个维基百科页面 Diffuse sky radiation)并返回正确的答案,虽然答案有点复杂和冗长。

然而,目前并没有大量公开可用的自然产生问题(即寻求信息的人提出的问题)和可用于训练评估 QA 模型的答案。原因是汇集用于问答的高质量数据集,需要大量的实际问题来源以及寻找问题答案的大量人力。

而现在谷歌发布的自然问答数据集 Natural Questions 可以说是填补了这部分资料的空白。简单来说,就是 Google 收集自家搜寻引擎真实的问题查询,搭配维基百科的资料,为问答系统提供训练资料集。这个过程中,进行匿名查询的注释者需要阅读整个维基百科页面,来寻找答案并提供两种答案注释,包括涵盖所有资讯的长答案和简洁的短答案。

 

 

目前,该数据集收集了 30 万个自然产生的问题与答案,注释的品质精准度达 90%,另外,Natural Questions 还包括 1.6 万个范例,每个问题的答案由 5 个不同的注释者提供。Google表示,这种资料可以用来评估问答系统的性能。

作者:段段段落 来源:开源


网友评论:

发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
表情:
用户名: 验证码:点击我更换图片

Copyright©2005-2018 Sykv.cn 可思数据 版权所有    网站地图   联系我们  

人工智能资讯   人工智能资讯   人工智能资讯   人工智能资讯

扫码入群
咨询反馈
扫码关注

微信公众号

返回顶部