WHUIR/matinf

MATINF是第一个联合标注的大规模数据集，适用于分类、问答和摘要生成任务。该数据集包含107万个问答对，带有用户生成的问题描述和人工标注的类别。基于这些丰富的信息，MATINF适用于三大NLP任务：分类、问答和摘要生成。数据集包括四个配置：age_classification（年龄分类）、topic_classification（主题分类）、summarization（摘要生成）和qa（问答）。每个配置都有详细的数据字段和分割信息。

原始信息汇总

数据集卡片 "matinf"

数据集描述

数据集概述

MATINF 是一个联合标注的大型数据集，适用于分类、问答和摘要任务。该数据集包含 107 万个问题-答案对，具有人工标注的类别和用户生成的问题描述。基于这些丰富的信息，MATINF 适用于三大自然语言处理任务，包括分类、问答和摘要。

数据集结构

数据实例

age_classification

• 大小： 48.39 MB
• 示例： json { "description": "6个月的时候去儿宝检查，医生说宝宝的分胯动作做的不好，说最好去儿童医院看看，但我家宝宝很好，感觉没有什么不正常啊，请教一下，分胯做的不好，有什么不好吗？", "id": 88016, "label": 0, "question": "医生说宝宝的分胯动作不好" }

qa

• 大小： 268.69 MB
• 示例： json { "answer": "我一个同学的孩子就是发现了肾积水，治疗了一段时间，结果还是越来越多，没办法就打掉了。虽然舍不得，但是还是要忍痛割爱，不然以后孩子真的有问题，大人和孩子都受罪。不过，这个最后的决定还要你自己做，毕竟是你的宝宝。", "id": 536714, "question": "孕5个月检查右侧肾积水孩子能要吗？" }

summarization

• 大小： 258.88 MB
• 示例： json { "description": "宝宝有中度HIE，但原因未查明，这是他出生后脸上红的几道，嘴唇深红近紫，请问这是像缺氧的表现吗？", "id": 173649, "question": "宝宝脸上红的几道嘴唇深红近紫是像缺氧的表现吗？" }

topic_classification

• 大小： 219.04 MB
• 示例： json { "description": "媳妇怀孕五个月了经检查右侧肾积水、过了半月左侧也出现肾积水、她要拿掉孩子、怎么办？", "id": 536714, "label": 8, "question": "孕5个月检查右侧肾积水孩子能要吗？" }

数据字段

age_classification

• question: 字符串特征。
• description: 字符串特征。
• label: 分类标签，可能值包括 0-1岁 (0), 1-2岁 (1), 2-3岁 (2)。
• id: 整数特征。

qa

• question: 字符串特征。
• answer: 字符串特征。
• id: 整数特征。

summarization

• description: 字符串特征。
• question: 字符串特征。
• id: 整数特征。

topic_classification

• question: 字符串特征。
• description: 字符串特征。
• label: 分类标签，可能值包括 产褥期保健 (0), 儿童过敏 (1), 动作发育 (2), 婴幼保健 (3), 婴幼心理 (4)。
• id: 整数特征。

数据分割

名称	训练集	验证集	测试集
age_classification	134852	19323	38318
qa	747888	106842	213681
summarization	747888	106842	213681
topic_classification	613036	87519	175363