数据更新日志（请务必以最新发布数据作为训练依据）

1.【数据下载-10.10版】BDCI 2017-360搜索-机器写作与人类写作的巅峰对决，更新时间2017.10.10,22:00

更新内容：训练数据上线

1.【数据下载-10.12版】BDCI 2017-360搜索-机器写作与人类写作的巅峰对决，更新时间2017.10.12,15:30

更新内容：数据内容未做调整，仅做下载方式更改

3.【数据下载-10.25版】BDCI 2017-360-机器写作与人类写作的巅峰对决

更新内容：根据参赛选手的反馈和赛事方的建议，本次赛题的热身数据总体规模相对较少，大家在分析数据和调研策略时，采用的算法和模型容易有偏；为了让大家对本赛题有一个更加整体和宏观的理解，同时让广大参赛队伍能在赛事过程中将自然语言理解的技能发挥的淋漓尽致。初赛赛题的正式数据在原有基础上进行了一次扩容，训练集从20万扩充到50万（原初赛一期数据保留），测试集从15万扩充到40万（原初赛一期数据保留）。本周我们也会同步发布一个深度学习的baseline 解决方法给大家参考。希望大家再接再厉，发挥自己的专业特长，并预祝大家在本次人机大战中最终取得好成绩。

4.【复赛数据下载-11.21版】BDCI 2017-360-机器写作与人类写作的巅峰对决，更新时间2017.11.21，19:00

更新内容：复赛训练数据上线

---------------------------------------------------

本赛题提供了三份数据

* 数据一：训练集,规模50万条样例（有标签答案），数据格式如下：

Field	Type	Description	Note
文章ID	String	文章ID
文章标题	String	文章的标题，字数在100字之内	已脱敏。去掉了换行符号。
文章内容	String	文章的内容	已脱敏。文章内容是一个长字符串，去掉了换行符号。
标签答案	String	人类写作是POSITIVE, 机器人写作是NEGATIVE	机器人写手和人类撰写的文章，参赛者训练数据，可以选择本集合的全量数据，也可以选择部分数据。但是参赛者不能自行寻找额外的数据加入训练集。

l*数据二：测试集A，规模10万条样例（无标签答案），数据格式如下：

Field	Type	Description	Note
文章ID	String	文章ID
文章标题	String	文章的标题，字数在100字之内	已脱敏。去掉了换行符号。
文章内容	String	文章的内容	已脱敏。文章内容是一个长字符串，去掉了换行符号。

l*数据三：测试集B，规模30万条样例（无标签答案），数据格式如下：

Field	Type	Description	Note
文章ID	String	文章ID
文章标题	String	文章的标题，字数在100字之内	已脱敏。去掉了换行符号。
文章内容	String	文章的内容	已脱敏。文章内容是一个长字符串，去掉了换行符号。

上述三份数据中，都同时包含了机器人写手和人类撰写的文章数据。一条样例主要包括文章ID、文章标题、文章内容和标签信息（人类写作是POSITIVE, 机器人写作是NEGATIVE）。选手需要在训练集上得到模型，然后使用模型在测试集上判定一篇文章是真人写作还是机器生成。如果这篇文章是由机器人写作生成的，则标签为NEGATIVE，否则为POSITIVE。仅在训练集上提供标签特征，参赛选手需要在测试集上对该标签进行预测。

AlphaGo之后“人机大战”Round 2 ——机器写作与人类写作的巅峰对决