SEACrowd/qasina

Qasina数据集是一个用于问答任务的数据集，特别是在Sirah Nabawiyah领域。该数据集支持印尼语（ind），主要用于提取式问答任务。数据集的使用可以通过`datasets`库或`seacrowd`库进行加载，具体代码示例在README中提供。数据集的版本为1.0.0，许可证为MIT。Qasina数据集是一个用于问答任务的数据集，特别是在Sirah Nabawiyah领域。该数据集支持印尼语（ind），主要用于提取式问答任务。数据集的使用可以通过`datasets`库或`seacrowd`库进行加载，具体代码示例在README中提供。数据集的版本为1.0.0，许可证为MIT。

原始信息汇总

Qasina 数据集概述

基本信息

• 名称: Qasina
• 许可证: MIT
• 语言: 印尼语 (ind)
• 任务类别: 问答 (question-answering)

支持的任务

• 问答 (Question Answering)

数据集版本

• 源版本: 1.0.0
• SEACrowd 版本: 2024.06.20

数据集加载

使用 datasets 库

python from datasets import load_dataset dset = datasets.load_dataset("SEACrowd/qasina", trust_remote_code=True)

使用 seacrowd 库

python import seacrowd as sc

使用默认配置加载数据集

dset = sc.load_dataset("qasina", schema="seacrowd")

检查数据集的所有可用子集（配置名称）

print(sc.available_config_names("qasina"))

使用特定配置加载数据集

dset = sc.load_dataset_by_config_name(config_name="<config_name>")

数据集主页

• QASiNa 数据集主页

引用

bibtex @misc{rizqullah2023qasina, title={QASiNa: Religious Domain Question Answering using Sirah Nabawiyah}, author={Muhammad Razif Rizqullah and Ayu Purwarianti and Alham Fikri Aji}, year={2023}, eprint={2310.08102}, archivePrefix={arXiv}, primaryClass={cs.CL} }

@article{lovenia2024seacrowd, title={SEACrowd: A Multilingual Multimodal Data Hub and Benchmark Suite for Southeast Asian Languages}, author={Holy Lovenia and Rahmad Mahendra and Salsabil Maulana Akbar and Lester James V. Miranda and Jennifer Santoso and Elyanah Aco and Akhdan Fadhilah and Jonibek Mansurov and Joseph Marvin Imperial and Onno P. Kampman and Joel Ruben Antony Moniz and Muhammad Ravi Shulthan Habibi and Frederikus Hudi and Railey Montalan and Ryan Ignatius and Joanito Agili Lopo and William Nixon and Börje F. Karlsson and James Jaya and Ryandito Diandaru and Yuze Gao and Patrick Amadeus and Bin Wang and Jan Christian Blaise Cruz and Chenxi Whitehouse and Ivan Halim Parmonangan and Maria Khelli and Wenyu Zhang and Lucky Susanto and Reynard Adha Ryanda and Sonny Lazuardi Hermawan and Dan John Velasco and Muhammad Dehan Al Kautsar and Willy Fitra Hendria and Yasmin Moslem and Noah Flynn and Muhammad Farid Adilazuarda and Haochen Li and Johanes Lee and R. Damanhuri and Shuo Sun and Muhammad Reza Qorib and Amirbek Djanibekov and Wei Qi Leong and Quyet V. Do and Niklas Muennighoff and Tanrada Pansuwan and Ilham Firdausi Putra and Yan Xu and Ngee Chia Tai and Ayu Purwarianti and Sebastian Ruder and William Tjhi and Peerat Limkonchotiwat and Alham Fikri Aji and Sedrick Keh and Genta Indra Winata and Ruochen Zhang and Fajri Koto and Zheng-Xin Yong and Samuel Cahyawijaya}, year={2024}, eprint={2406.10118}, journal={arXiv preprint arXiv: 2406.10118} }

搜集汇总

数据集介绍

构建方式

QASiNa（Question Answering Sirah Nabawiyah）是一个面向先知传记领域的抽取式问答数据集。该数据集由研究者基于伊斯兰先知穆罕默德生平传记的文本资源构建而成，旨在支撑特定宗教领域的问答任务。构建过程中，团队从Sirah Nabawiyah相关文献中提取文本段落，并针对每一段落设计对应的问句与答案，形成问答对。答案直接从原文中抽取，确保其忠实于原始文本。数据集经过人工标注与校验，以提升问答对的准确性与领域相关性，最终形成结构化的抽取式问答资源。

特点

该数据集以印度尼西亚语为主，聚焦于Sirah Nabawiyah这一高度专业化的宗教主题，具有鲜明的领域专精性。其抽取式问答形式要求答案严格源自给定文本段落，有利于评估模型在限定上下文中的信息检索与语义理解能力。数据集规模适中，涵盖先知生平中的关键事件与教义内容，为低资源语言与宗教领域自然语言处理提供了稀缺的基准资源。此外，数据集遵循MIT开源协议，便于学术界与工业界广泛使用与二次开发。

使用方法

用户可通过HuggingFace的datasets库直接加载该数据集，使用简洁的load_dataset函数指定数据集名称'SEACrowd/qasina'并开启trust_remote_code参数即可获取。也可借助SEACrowd生态库进行加载，通过sc.load_dataset函数指定'qasina'与schema参数，或使用available_config_names方法查看可用子集后按需加载。加载后的数据集包含问答对与上下文文本，适用于训练或评估抽取式问答模型。详细使用指南可参考SEACrowd官方文档。

背景与挑战

背景概述

在自然语言处理领域，抽取式问答任务旨在从给定文本中精准定位答案片段，其应用已从通用领域逐步延伸至专业垂直领域。Qasina数据集由Muhammad Razif Rizqullah、Ayu Purwarianti和Alham Fikri Aji于2023年创建，聚焦于伊斯兰先知传记（Sirah Nabawiyah）这一宗教文本领域，旨在填补面向特定文化知识体系的问答资源空白。该数据集依托印尼语构建，由SEACrowd社区于2024年6月20日整合发布，其核心研究问题在于验证抽取式问答模型在宗教典籍类结构化知识上的表现力。作为首个系统化覆盖Sirah Nabawiyah领域的数据集，Qasina不仅为低资源宗教语言处理提供了基准，更推动了多语言问答研究向文化敏感型任务的拓展，对东南亚自然语言处理社区具有里程碑意义。

当前挑战

Qasina所解决的领域问题在于宗教文本问答面临的多重挑战：先知传记内容涉及复杂的历史叙事、隐喻表达及跨章节关联，要求模型具备超越浅层词汇匹配的深层语义理解能力，同时需应对宗教术语的精确性需求与答案片段在长文本中的稀疏分布。在数据集构建过程中，挑战尤为显著：首先，Sirah Nabawiyah的原始文献多为古典阿拉伯语译本，需经严格的专家校验与印尼语对齐，确保问答对的神学准确性；其次，标注团队需在保持问题多样性（如事件时间、人物关系、教义阐释）的同时，避免引入现代语境下的主观解读；此外，数据规模受限于宗教文本的封闭性，导致样本数量有限，需设计有效的少样本学习策略以评估模型鲁棒性。

常用场景

经典使用场景

在自然语言处理领域，问答系统一直是衡量模型语义理解与信息检索能力的关键任务。QASiNa数据集专为伊斯兰先知传记（Sirah Nabawiyah）这一宗教领域设计，属于抽取式问答数据集，其经典使用场景是训练和评估模型在特定宗教文本中精准定位答案片段的能力。研究者借助该数据集，能够构建针对印尼语宗教文本的问答系统，要求模型从给定的上下文段落中提取出准确的答案，从而推动低资源语言与宗教领域问答技术的交叉发展。

实际应用

在实际应用层面，QASiNa数据集为伊斯兰教育、宗教文化传播和智能问答服务提供了技术支撑。基于该数据集开发的问答系统可集成到数字图书馆、宗教学习平台或移动应用中，帮助用户快速查询先知生平、历史事件及教义细节。例如，学生或研究人员输入自然语言问题后，系统能从Sirah Nabawiyah文献中直接抽取答案段落，大幅提升知识获取效率。此外，该数据集还可作为多语言宗教问答系统的评测基准，推动东南亚地区宗教数字化服务的落地。

衍生相关工作

QASiNa数据集衍生了一系列相关研究工作，主要集中在低资源语言问答、宗教领域知识图谱构建以及多任务学习框架设计。例如，研究者利用该数据集验证了跨语言预训练模型在印尼语宗教文本上的微调效果，并提出了结合外部知识库增强答案准确性的方法。此外，该数据集也被纳入SEACrowd数据枢纽，作为东南亚语言评测基准的一部分，促进了区域语言模型在多样化任务上的统一评估。相关工作如《QASiNa: Religious Domain Question Answering using Sirah Nabawiyah》论文详细阐述了数据集构建流程与基线实验，为后续领域自适应和少样本学习研究提供了重要参考。