机器阅读理解的简要介绍---以百度dureader和斯坦福SQuAD为例（一）

什么是机器阅读？

QA问题的一个子集。
通过交互从书面文字中提取与构造文章语义的过程。

机器阅读理解常见的任务

• 完形填空
  从原文中去除若干词，需要模型填入正确的单词或者短语
• 多项选择
  模型需要从给定的若干选项中选出正确的答案
• 答案抽取
  答案限定为文本中某一句，需要模型在文本中标注正确答案的起始和终止位置
• 自由回答
  模型根据文本数据生成回答

机器阅读任务中的数据集

常见的数据集有百度知道的 DuReader 数据集 和 斯坦福大学的SQuAD数据集。

DuReader 数据集

• 数据来源
  问题和文档均来自于百度搜索和百度知道，而答案是人工手动生成的，因此数据集更加切合真实场景。

• 问题类型
  DuReader数据集的问题类型包括实体型（Entity）、描述型（Description）和是非型（YesNo）；其中每种类型还分为事实性（Fact）和观点型（Opinion）。对于实体型问题，答案一般是单个实体或一系列实体；对于描述型问题，答案则通常由几句话的摘要组成，一般包括“如何”或“为什么”的问题、两个或多个对象的比较