日前，微软研究院发布微软研究院开放数据项目（Microsoft Research Open Data），这一开放数据项目包括 15 个研究领域的数据集，涵盖计算机科学、社会科学、物理学、天文学、生物学、经济学等多个方面。据悉，这些数据集是微软多年来在已发表的研究中所使用的数据管理和研究成果。

微软表示，他们的目标是为研究人员与合作者提供一个简单方便的平台，用于共享数据集、研究技术和工具。开放这一项目的目的是简化数据集的访问流程，促进使用云资源的研究人员之间的协作，实现研究资源的可复用性。

图 微软研究院开放数据项目中的数据集

随着全球的数据量呈指数级增长，人们普遍认为在 2025 年数据量将超过 150ZB，大家已经意识到应该优先处理数据。微软坚信，这一开放数据集将为学术界和产业界带来巨大的应用价值。

用户现在可以直接访问 microsoftopendata.com 浏览和下载可用的数据集，或者利用自动工作流直接将数据集通过 Azure 订阅复制到基于 Azure 的 Data Science 虚拟机上，如下图。

图：直接在 microsoftopendata.com 上将数据集复制到基于 Azure 的 Linux 虚拟机上

数据集的分类如下图所示：

其中开发的数据集包括微软机器阅读理解（MS MARCO），微软研究院社交媒体对话语料库，SigmaDolphin 等等。

大家可以访问 https://msropendata.com/ 来查询、下载各类数据。