微软将开源数据集 提高机器的阅读理解能力

12/19/2016 5:46:07 PM

 12 月 19 日消息,据外媒报道,微软将发布免费的数据集来帮助机器创建更多的对话。

  该数据集名为微软机器阅读理解数据集(简称 MS MARCO),包含有 10 万条英文查询及对应回答。用来帮助人工智能系统更好地理解人类语言。

  微软合作伙伴集团项目经理 Rangan Majumder 在周五的一篇博客中提到,微软将免费开放 MS MARCO,并希望能够与其他机构合作来更好地提高机器的阅读理解能力。

  数据集中的资料来源于必应搜索和 Cortana,并做相应的匿名处理。对问题的回答则是基于互联网、人类手工编写以及经过验证的信息。这些查询和回复将用于建立深度学习模型。

  当前,该数据集将对非商业用途的用户提供免费下载。同其他人工智能数据集开源计划类似,微软也将采用同样的方式开源 MS MARCO。

  其中的一项是 ImageNet,可用于训练图像识别算法的图片标记数据库。微软此前在开发图片识别技术时用到 ImageNet,现在又用该数据库来强化微软计算机视觉 API 等产品。如果想了解更多有关 MS MARCO 的信息,可下载其研发团队发表的论文。该团队还在进行另外一项挑战,用 MARCO 的数据来评估训练模型,而评估脚本也还在研发中。

  这项开源计划也是微软进一步发展其人工智能的举重要措。微软一直以来都在打造基于机器学习和人工智能的 Azure 云平台,同时在 Office 和 Windows 中也加入了一些人工智能的特性。本周早些时候,微软推出了 QnA Maker 云服务,用于降低开发者研制问答聊天机器人的难度。

来自: 网易科技