## 关于数据集 - 数据集名称：SQuAD - 发布机构：斯坦福大学 Stanford University - 网址：https://rajpurkar.github.io/SQuAD-explorer/ - 大小：0.0341 GB - 简介：斯坦福问答数据集（The Stanford Question Answering Dataset，简称SQuAD）是一个阅读理解数据集，由群众工作者在维基百科文章中提出的问题组成，其中每个问题的答案是来自相应阅读段落的一段文本或跨度，共有500多篇文章中有10万多个问答配对。 斯坦福问答数据集（2.0版本）于2018年由斯坦福大学发布，相关论文为Know What You Don't Know: Unanswerable Questions for SQuAD。

iamQA 中文wiki百科问答系统，本项目使用了torchserver部署模型 知识库:wiki百科中文数据 模型:使用了的NER(CCKS2016数据)和阅读理解模型(CMRC2018)，还有Word2Vec词向量搜索。 详细内容可以参考文章: 项目框架 模块介绍 ChineseWiki-master 功能：清洗wiki中文数据 相关项目: NER 功能：从问题中识别实体 例子：qurry:周董是谁？ 》》 entiy:周董 模型：ALBERT 数据集：CCKS2016KBQA 相关项目： Word2vec 功能：如果实体不在知识库，则用W2V搜索近似实体 例子：entity:周董 >> ['周杰伦','JAY','林俊杰'] 相关项目： Entity linking 功能:根据NER或W2V得到的mention entity搜索知识库 Reader 功能：阅读理解文段，精确定位答

百度机器阅读理解竞赛 3rd 解决方案 百度机器阅读理解竞赛模型核心代码的 tensorflow 实现 ，排行榜上以0.5BLEU-4+0.5ROUGE-L计为总分来排名，一个 epoch 线上成绩可达到 41+； 获得 final 第三名，最终评审得到二等奖。

“MSMARCO passage ranking task”阅读理解任务排名第一的BERT解决方案

问题生成器 问题生成器是一种NLP系统，用于从诸如新闻文章或书籍摘录等文本生成阅读理解型问题。 该系统是使用来自预训练模型。 有两种模型：问题生成器本身和质量检查评估器，该评估器根据问题对的可接受性对问题和答案对进行排名和过滤。 安装 您可以克隆存储库，然后像这样安装软件包： git clone https://github.com/amontgomerie/question_generator python -m pip install -e question_generator 用法 产生问题的最简单方法是克隆github存储库，然后像这样运行qg_run.py ： !git clone https://github.com/amontgomerie/question_generator !python 'question_generator/run_qg.py' --text_d

用于机器阅读理解的藏语数据集

使用BertForQuestionAnswering，问答任务的输入为问题+回答组成的句子对，输出为起始位置和结束位置用于标出回答中的具体文本。这里需要两个输出，即对起始位置的预测和对结束位置的预测，两个输出的长度都和句子长度一样，从其中挑出最大的预测值对应的下标作为预测的位置。

考研英语阅读理解精读100篇(基础版+高分版) 新东方出版的 2011年的和以前的基本无变化，可以放心使用 有全文翻译 解释 很详细

2010中央电大网考资料大学英语B模拟试题辅导阅读理解.doc

Maluuba News QA 是一种用于机器阅读理解的数据集，其包含开发能够回答人类问题和推理问题的相关 算法 ，该数据集包含 12 万问答对，均基于人类自然语言编写。 Maluuba News QA 数据集由微软于 2016 年发布，相关论文有《NewsQA: A Machine Comprehension Dataset》。