栏目八:百度机器阅读懂得技巧再获突破 MS MARCO数据集榜

  欢度春节之际,人工智能的发展脚步却没有停歇。2月21日,春节假期最后一天,百度自然语言处理团队研发的V-Net模型以46.15的Rouge-L得分登上微软的MS MARCO(Microsoft MAchine Reading COmprehension)机器阅读懂得测试排行榜首。

百度机器阅读懂得技巧再获突破 MS MARCO数据集榜

  图1 MS MARCO 排行榜

  对此,微软 MARCO官方 twitter也发文表现祝贺。

百度机器阅读懂得技巧再获突破 MS MARCO数据集榜

  图2 MS MARCO 官方twitter 向百度表现祝贺

  MARCO是微软基于搜索引擎BING构建的大规模英文阅读懂得数据集,包含10万个标题和20万篇不重复的文档。MARCO数据集中的标题全部来自于 BING 的搜索日志,根据用户在BING 中输进的真实标题模拟搜索引擎中的真实应用场景,是该领域最有应用价值的数据集之一。

  此次百度NLP在MARCO提交的V-NET模型,使用了一种新的多候选文档联合建模表现方法,通过留意力机制使不同文档产生的答案之间能够产生交换信息,互相印证,从而更好的猜测答案。值得留意的是,此次百度只凭借单模型(single model)就拿到了第一名,并没有提交更轻易拿高分的多模型集成(ensemble)结果。

  此前,在机器阅读懂得领域,研究者多参与由斯坦福大学发起的SQuAD挑战赛。但相比SQuAD,MARCO的挑战难度更大,由于它需要测试者提交的模型具备懂得复杂文档、回答复杂标题的能力。

  据懂得,对于每一个标题,MARCO 供给多篇来自搜索结果的网页文档,系统需要通过阅读这些文档往返答用户提出的标题。但是,文档中是否含有答案,以及答案具体在哪一篇文档中,都需要系统自己来判定解决。更有趣的是,有一部分标题无法在文档中直接找到答案,需要阅读懂得模型自己做出判定;MARCO 也不限制答案必需是文档中的片断,很多标题的答案必需经过多篇文档综合提炼得到。这对机器阅读懂得提出了更高的要求,需要机用具备综公平解多文档信息、聚合天生标题答案的能力。

  百度在自然语言处理领域已经过十余年积累与沉淀,具备了最前沿、最全面、最领先的技巧布局,,不仅专注于前瞻技巧探索,更致力通过技巧应用解决实际标题。这也是百度此次选择MARCO数据集而不是SQuAD的主要原因。目前,百度的阅读懂得、深度问答等技巧已经在搜索等产品中实际应用,它可通过深进地分析、懂得用户的标题,从相关网页中定位答案,并经过总结、提炼、回纳后把答案在明显的地位浮现给用户,使用户不需要点开网页就可以直接获取正确答案,大大地提升了用户获取精准信息的效率。这样的技巧和服务,天天响应着数亿次的用户请求。

  “此次在MARCO的测试中取得第一,只是百度机器阅读懂得技巧经历的一次小考,”百度自然语言处理首席科学家兼百度技巧委员会主席吴华表现,“我们希看能够与领域内的其他同行者一起,推进机器阅读懂得技巧和应用的研究,使AI能够懂得人类的语言、用自然语言与人类交流,让AI更‘懂’人类。”


百度机器阅读懂得技巧再获突破 MS MARCO数据集榜



关注ITBear科技资讯公众号(itbear365 ),天天推送你感爱好的科技内容。

上一篇:如何快速修改百度舆图电话

下一篇:医疗竞价排名后 百度又将“黑手”伸到在线教育