AI 竞赛 | 2018 机器阅读理解技术竞赛
机器阅读理解 (Machine Reading Comprehension) 是指让机器阅读文本，然后回答和阅读内容相关的问题。阅读理解是自然语言处理和人工智能领域的重要前沿课题，对于提升机器智能水平、使机器具有持续知识获取能力具有重要价值，近年来受到学术界和工业界的广泛关注。
为了促进阅读理解技术发展，中国中文信息学会、中国计算机学会和百度公司联手举办 “2018 机器阅读理解技术竞赛”。竞赛将提供面向真实应用场景的大规模中文阅读理解数据集， 旨在为研究者提供学术交流平台，进一步提升阅读理解的研究水平， 推动语言理解和人工智能领域技术和应用的发展。竞赛将在第三届 "语言与智能高峰论坛"举办技术交流和颁奖。诚邀学术界和工业界的研究者和开发者参加本次竞赛！
竞赛详情
1. 竞赛任务
对于给定问题q及其对应的文本形式的候选文档集合D=d1, d2, ..., dn，要求参评阅读理 42 29769 42 12683 0 0 1546 0 0:00:19 0:00:08 0:00:11 2538 42 29769 42 12683 0 0 1378 0 0:00:21 0:00:09 0:00:12 2538 42 29769 42 12683 0 0 1243 0 0:00:23 0:00:10 0:00:13 2538系统自动对问题及候选文档进行分析， 输出能够满足问题的文本答案 a。目标是 a 能够正确、完整、简洁地回答问题q。
2. 数据简介
本次竞赛数据集来自搜索引擎真实应用场景，其中的问题为百度搜索用户的真实问题，每个问题对应 5 个候选文档文本及人工整理的优质答案。
数据集共包含 30 万问题，包括 27 万的训练集，1 万开发集和 2 万测试集。其中 20 万数据已在DuReader（https://arxiv.org/abs/1711.05073 ）发布，包括 18 万训练集、1 万的开发集和 1 万的测试集。这部分数据可自由下载（http://suo.im/4oKKPA ），供参赛者训练和测试使用。报名截止后，新增的 10 万数据集也将在数据下载区发布。
3. 评价方法
竞赛基于测试集的人工标注答案，采用ROUGH-L（http://suo.im/HWmPz ）和BLEU4（http://suo.im/KFx9D ）作为评价指标，以ROUGH-L（http://suo.im/HWmPz ）为主评价指标。针对是非及实体类型问题，对 ROUGE-L 和 BLEU4 评价指标进行了微调， 适当增加了正确识别是非答案类型及匹配实体的得分奖励， 一定程度上弥补传统 ROUGE-L 和 BLEU4 指标对是非和实体类型问题评价不敏感的问题。
* 详细的评价指标说明参见数据集中包含的 “评测细则 “文档。
4. 基线系统
竞赛将提供两个开源的阅读理解基线系统，基线系统的实现及结果评价请参考：开源系统（http://suo.im/4oKKPA ）和数据集论文（https://arxiv.org/abs/1711.05073 ）。
参赛方式
1. 参赛对象
本次技术竞赛面向全社会开放，相关领域的个人、科研机构、高等院校、企业单位等人员均可报名参加。
2. 报名方式
竞赛网站将于 2018 年 3 月 1 日开放注册报名，请及时关注。
登录机器阅读理解技术竞赛官网（http://mrc2018.cipsc.org.cn/ ），完善相关信息，即可报名参赛。
* 正式报名并最终提交有效结果的团队, 每位成员均可获得一件大赛定制纪念 T 恤。
3. 报名时间
2018 年 3 月 1 日至 2018 年 3 月 31 日
奖项设置
竞赛将评出一等奖 1 名，二等奖 2 名，三等奖 3 名。由主办方中国中文信息学会（CIPS）和中国计算机学会（CCF）为获奖者提供荣誉证书认证；由百度公司为获奖者提供奖励和参会交流赞助。
* 注：
1. 以上所有提及金额均为税前金额。
2. 获奖评定需选手提供系统报告（包括方法说明、系统代码和数据、参考文献和引用开源工具等）及团队成员名单。
组织单位
1. 主办方
中国中文信息学会 中国计算机学会
2. 承办方
百度公司 中国中文信息学会评测工委会 中国计算机学会中文信息技术专委会
3. 指导委员会
孙乐 中国科学院软件技术研究所
周明 微软亚洲研究院
杨尔弘 北京语言大学
4. 评测委员会
吕雅娟 百度公司
韩先培 中国科学院软件研究所
万小军 北京大学
限时拼团
3 大模块，30 个课时
高校数学系教授带班
100% 学员好评
与 100 + 同学一起夯实数学基础，走稳机器学习入门第一步！
▼▼▼
新人福利
关注 AI 研习社（okweiwu），回复 1 领取
【超过 1000G 神经网络 / AI / 大数据，教程，论文】
Github 项目推荐 | 可提取结构化信息的自然语言理解 Python 库 Snips NLU
▼▼▼