Quora_Question_Pairs

displayName: Quora Question Pairs
labelTypes:
- Classification
license:
- Quora Question Pairs Custom
mediaTypes:
- Image
paperUrl: ""
publishDate: "2020"
publishUrl: https://quoradata.quora.com/First-Quora-Dataset-Release-Question-Pairs
publisher:
- Google
- Facebook
- DoorDash
tags:
- Text
taskTypes:
- Text Matching

---
# 数据集介绍
## 简介
目标是预测包含的问题对中的哪些包含具有相同含义的对。基本事实是人类专家提供的一组标签，本质上是主观的，因为每个句子的真正预期含义永远无法完全确定。人工标记也被认为是一个相对“嘈杂”的过程，具有其自身的主观性。因此，数据集中的真实标签应被视为“知情”，但不是 100% 准确。总的来说，这些标签应该理想地代表一种合理的共识。
## 类定义
```
paraphrase/not paraphrase
```

## Download dataset
:modelscope-code[]{type="git"}

显示名称：Quora问题对（Quora Question Pairs）
标签类型：
- 分类（Classification）
许可协议：
- Quora问题对专有许可（Quora Question Pairs Custom）
媒体类型：
- 图像（Image）
论文链接：无
发布日期：2020年
发布链接：https://quoradata.quora.com/First-Quora-Dataset-Release-Question-Pairs
发布方：
- 谷歌（Google）
- 脸书（Facebook）
- DoorDash
标签：
- 文本（Text）
任务类型：
- 文本匹配（Text Matching）
---
# 数据集介绍
## 简介
本数据集的目标为预测所包含的问题对中，哪些属于语义等价的问题对。标注基准由人类专家提供，其本质带有主观性——由于任何语句的真实预期含义均无法被完全确定，且人工标注流程本身也属于相对“嘈杂”的过程，带有自身的主观局限性。因此，数据集中的真实标签仅可被视为“经过审慎考量的共识性结果”，而非100%准确。总体而言，这些标签应尽可能代表合理的群体共识。
## 类定义

语义等价（paraphrase）/非语义等价（not paraphrase）

## 数据集下载
:modelscope-code[]{type="git"}