摘要：机器阅读理解是通过算法让机器根据给定的上下文回答问题，从而测试机器理解自然语言的程度。其中，数据集的构建是机器阅读理解的主要任务。目前，相关算法模型在大多数流行的英语数据集上都取得了显著的成绩，甚至超过了人类的表现。但对于低资源语言，由于缺乏相应的数据集，机器阅读理解研究还处于起步阶段。本文以藏语为例，人工构建了藏语机器阅读理解数据集（TibetanQA），其中包含20,000个问题答案对和1,513篇文章。本数据集的文章均来自云藏网，涵盖了自然、文化和教育等12个领域的知识，问题形式多样且具有一定的难度。另外，该数据集在文章收集、问题构建、答案验证、回答多样性和推理能力等方面，均采用严格的流程以确保数据的质量，同时采用基于语言特征消融输入的验证方法说明了数据集的质量。最后，本文初步探索了三种经典的英语阅读理解模型在TibetanQA数据集上的表现，其结果难以媲美人类，这表明在藏语机器阅读理解任务上还需要更进一步的探索。

内容中包含的图片若涉及版权问题，请及时与我们联系删除