FQuAD(French Question Answering Dataset)

语言建模领域的最新进展改进了许多自然语言处理任务的最新成果。其中，机器阅读理解任务取得了显着进展。然而，由于其他语言（如法语）可用的标记资源仍然稀缺，因此大多数结果基本上都是用英语报告的。在目前的工作中，我们介绍了法语问答数据集（FQuAD）。 FQuAD 是法语母语阅读理解数据集，由高等教育学生在一组 Wikipedia 文章中创建的 25,000 多个问题组成。类似于 SQuAD 的数据集分析用于评估带注释的问题和答案的性质。为了评估数据集的质量，我们训练了一个基线模型，该模型在测试集上的 F1 得分为 88.0%，精确匹配率为 77.9%。除此之外，还探索了基于问题类型和训练样本数量影响的性能分析。

搜集汇总

背景与挑战

背景概述

FQuAD是一个由高等教育学生基于维基百科文章创建的法语问答数据集，包含超过25,000个问题，用于机器阅读理解任务。该数据集为法语自然语言处理提供了稀缺的标记资源，并通过基线模型在测试集上取得了88.0%的F1分数和77.9%的精确匹配率。