近日，知識分享平臺知乎宣布與NLPCC(自然語言處理與中文計算會議)合作，開放自身所匯集的問題標(biāo)簽預(yù)測數(shù)據(jù)，并全部使用明文提供，供業(yè)界研究和討論。
據(jù)悉，此次開放的問題標(biāo)簽預(yù)測數(shù)據(jù)來源于2017年8月知乎與 IEEE 聯(lián)合舉辦的首屆“知乎 · 看山杯機(jī)器學(xué)習(xí)挑戰(zhàn)賽”，該比賽共吸引近千支來自全球各個院校以及工業(yè)界的算法挑戰(zhàn)隊伍參與。此次公布的數(shù)據(jù)內(nèi)容包含問題的Title、描述、話題的名字等，此外，知乎對其中的一些錯誤標(biāo)簽進(jìn)行了人工糾正，并對數(shù)據(jù)進(jìn)行了嚴(yán)格的脫敏及審查，確保數(shù)據(jù)內(nèi)容僅包含提問內(nèi)容及內(nèi)容標(biāo)簽，不涉及用戶的知乎帳號等信息，用戶的個人隱私和信息安全將享有高優(yōu)先級的保護(hù)。
知乎方面表示：歡迎學(xué)術(shù)界和工業(yè)界同仁下載并參與討論。也希望通過比賽和開放數(shù)據(jù)，為自然語言理解(NLU)領(lǐng)域在國內(nèi)的發(fā)展提供助力。相比國外的ImageNet、Gigaword等高質(zhì)量數(shù)據(jù)集，中文互聯(lián)網(wǎng)相關(guān)的高質(zhì)量數(shù)據(jù)集相對缺乏。而作為中文互聯(lián)網(wǎng)最大的知識分享平臺，知乎累積了較多高質(zhì)量文本語料及數(shù)據(jù)。目前，知乎機(jī)器學(xué)習(xí)團(tuán)隊已經(jīng)搭建了一套基礎(chǔ)生態(tài)體系，通過算法實(shí)現(xiàn)了用戶畫像、內(nèi)容分析、內(nèi)容個性化推送等，其效率比過去的人工運(yùn)營方式提高了數(shù)十倍。
未來，知乎還希望通過機(jī)器學(xué)習(xí)和算法滿足用戶的閱讀興趣，進(jìn)一步滿足關(guān)乎用戶自我提升的優(yōu)質(zhì)信息獲取需求。作為一個擁有超過 3400 萬日活用戶，每天有數(shù)以十萬計的高質(zhì)量的 UGC 內(nèi)容產(chǎn)生的網(wǎng)站。機(jī)器學(xué)習(xí)技術(shù)可以幫知乎做到的不只是“分發(fā)”內(nèi)容，還能更深入地“理解”內(nèi)容，從而幫助用戶更好地獲取有價值信息。
而作為此次的合作的另一方，NLPCC在業(yè)內(nèi)也可謂“鼎鼎大名”。NLPCC全稱為CCF國際自然語言處理與中文計算會議，由中國計算機(jī)學(xué)會(CCF)主辦，CCF中文信息技術(shù)專業(yè)委員會(CCF TCCI)及高校(每年通過投票選舉)承辦。會議內(nèi)容主要圍繞自然語言處理(NLP)和中文計算(CC)兩方面來進(jìn)行。目前，NLPCC已成為國內(nèi)自然語言處理領(lǐng)域的年度盛會，同時也在逐漸走向國際化道路。
