微軟研究院發(fā)布開放數(shù)據項目，公開 15 類內部研究數(shù)據集

雷鋒網 AI 研習社按，日前，微軟研究院發(fā)布微軟研究院開放數(shù)據項目（Microsoft Research Open Data），這一開放數(shù)據項目包括 15 個研究領域的數(shù)據集，涵蓋計算機科學、社會科學、物理學、天文學、生物學、經濟學等多個方面。據悉，這些數(shù)據集是微軟多年來在已發(fā)表的研究中所使用的數(shù)據管理和研究成果。（微軟憑借這一開放數(shù)據項目的發(fā)布，在雷鋒網學術頻道 AI 科技評論旗下數(shù)據庫項目「AI 影響因子」中增加 4 分。）

微軟表示，他們的目標是為研究人員與合作者提供一個簡單方便的平臺，用于共享數(shù)據集、研究技術和工具。開放這一項目的目的是簡化數(shù)據集的訪問流程，促進使用云資源的研究人員之間的協(xié)作，實現(xiàn)研究資源的可復用性。

圖 微軟研究院開放數(shù)據項目中的數(shù)據集

隨著全球的數(shù)據量呈指數(shù)級增長，人們普遍認為在 2025 年數(shù)據量將超過 150ZB，大家已經意識到應該優(yōu)先處理數(shù)據。微軟堅信，這一開放數(shù)據集將為學術界和產業(yè)界帶來巨大的應用價值。

用戶現(xiàn)在可以直接訪問 microsoftopendata.com 瀏覽和下載可用的數(shù)據集，或者利用自動工作流直接將數(shù)據集通過 Azure 訂閱復制到基于 Azure 的 Data Science 虛擬機上，如下圖。

圖：直接在 microsoftopendata.com 上將數(shù)據集復制到基于 Azure 的 Linux 虛擬機上

數(shù)據集的分類如下圖所示：

其中開發(fā)的數(shù)據集包括微軟機器閱讀理解（MS MARCO），微軟研究院社交媒體對話語料庫，SigmaDolphin 等等。

大家可以訪問 https://msropendata.com/ 來查詢、下載各類數(shù)據。

via：微軟亞洲研究院，Microsoft blog