castorini/covid_qa_castorini

CovidQA是一个专门为COVID-19设计的问题回答数据集，由Kaggle的COVID-19开放研究数据集挑战赛中的知识手工构建而成。该数据集包含156个问题-文章对，涉及27个问题和85篇独特的文章。每个实例包括一个问题、一个上下文（来自CORD19数据集的文档段落）和一个答案。数据集的创建目的是为了在更广泛的评估资源可用之前，指导相关研究。数据集由专家生成，语言为英语，遵循Apache 2.0许可证。

原始信息汇总

数据集概述

数据集基本信息

• 名称: CovidQaCastorini
• 语言: 英语
• 许可证: Apache-2.0
• 多语言性: 单语种
• 大小: 1K<n<10K
• 来源: 原始数据
• 任务类别: 问答
• 任务ID: open-domain-qa, extractive-qa
• 论文代码ID: covidqa

数据集结构

• 配置名称: covid_qa_deepset

  • 特征:
    • document_id: int32
    • context: string
    • question: string
    • is_impossible: bool
    • id: int32
    • answers:
      • text: string
      • answer_start: int32
  • 分割:
    • train:
      • num_bytes: 65151262
      • num_examples: 2019
    • download_size: 4418117
    • dataset_size: 65151262

• 配置名称: covidqa

  • 特征:
    • category_name: string
    • question_query: string
    • keyword_query: string
    • answers:
      • id: string
      • title: string
      • exact_answer: string
  • 分割:
    • train:
      • num_bytes: 33757
      • num_examples: 27
    • download_size: 51438
    • dataset_size: 33757

• 配置名称: covid_qa_castorini

  • 特征:
    • category_name: string
    • question_query: string
    • keyword_query: string
    • answers:
      • id: string
      • title: string
      • exact_answer: string
  • 分割:
    • train:
      • num_bytes: 33757
      • num_examples: 27
    • download_size: 51438
    • dataset_size: 33757

数据集创建

• 注释创建者: 专家生成
• 语言创建者: 发现
• 注释过程: 五位合著者参与，由一位主要注释者负责批准主题和技术问题解答。

使用数据注意事项

• 社会影响: 作为指导研究的临时措施，直到更实质性的评估资源可用。
• 许可证: Apache License 2.0