In this paper, we introduce DuReader, a new large-scale, open-domain Chinese machine reading comprehension (MRC) dataset, aiming to tackle real-world MRC problems. In comparison to prior datasets, DuReader has the following characteristics: (a) the questions and the documents are all extracted from real application data, and the answers are human generated; (b) it provides rich annotations for question types, especially yes-no and opinion questions, which take a large proportion in real users' questions but have not been well studied before; (c) it provides multiple answers for each question. The first release of DuReader contains 200k questions, 1,000k documents, and 420k answers, which, to the best of our knowledge, is the largest Chinese MRC dataset so far. Experimental results show there exists big gap between the state-of-the-art baseline systems and human performance, which indicates DuReader is a challenging dataset that deserves future study. The dataset and the code of the baseline systems are publicly available now.
翻译:本文介绍DuReader(DuReader)(DuReader)(DuReader)(DuReader)(DuReader)(DuReader)(DuReader)(DuReader)(DuReader)(DuReader)(DuReader)(DuReader)(DuReader)(DuReader))(DuReader)(DuReader)(DuReader)(DuReader)(DuReader)(DuReader)(MRC)(MRC)(DuReader)(DuReader)(DuReader)(DuReader)(DuReader)(Dumber)(DuReader)(Dureader)(Dublead) (Dublead) (Dread) (Dragues) (Dravelop) (MRC(MRC) (MRC(MRC) (MRC) (MRC) (MRC) (MRC) (MRC) (D) (D) (D) (D) (D) (D) (D) (D) (DR) (D)) (D) (D) (D) (D) (D) (D) (D) (D) (D) (D) (D) ) (D) (D) (D) (D) (D) (Dir) (D) (D) (D) (D)) (D) (D) (D) (D) (D) (D) (D) (D) (D) (D) (D) (D) (D) (Dr) (D) (D) (D) (D) (D) (D) (D) (D) (D) (D) (D) (D) (D) (D) (D) (D) (D) (D) (D) (D) (D) (D) (D) (D) (D) (D) (D) (D) (D) (D) (D