siyue/squall

SQUALL数据集是一个用于探索细粒度、词汇级别监督效用的数据集，它丰富了11,276个WikiTableQuestions的英文问题，每个问题都配有手动创建的SQL等价语句以及SQL与问题片段之间的对齐信息。数据集采用了5折交叉验证，每次使用其中一折作为开发集。测试集的标签未知。

原始信息汇总

SQUALL 数据集

概述

SQUALL 数据集是一个用于表格问答任务的数据集，包含 11,276 个英文问题及其手动创建的 SQL 等价物和 SQL 与问题片段的对齐信息。数据集采用 5 折划分，每次使用一折作为开发集。

数据集大小

数据集大小介于 10K 到 100K 之间。

数据格式

数据集包含以下字段：

• nt: 表格标识符
• tbl: 表格编号
• columns: 表格列信息，包括原始列头、分词后的列头、列后缀、列数据类型和示例数据
• nl: 自然语言问题
• nl_pos: 自然语言问题的词性标注
• nl_ner: 自然语言问题的命名实体识别
• nl_incolumns: 自然语言问题中的单词是否在列中
• nl_incells: 自然语言问题中的单词是否在单元格中
• columns_innl: 列是否在自然语言问题中
• tgt: 目标答案
• sql: SQL 查询信息，包括 SQL 类型、值和跨度索引
• nl_ralign: 自然语言问题与 SQL 查询的对齐信息
• align: 自然语言问题与 SQL 查询的对齐索引

使用示例

python from datasets import load_dataset dataset = load_dataset("siyue/squall","0")

注意事项

测试集的标签未知。

引用

@inproceedings{Shi:Zhao:Boyd-Graber:Daume-III:Lee-2020, Title = {On the Potential of Lexico-logical Alignments for Semantic Parsing to {SQL} Queries}, Author = {Tianze Shi and Chen Zhao and Jordan Boyd-Graber and Hal {Daum{e} III} and Lillian Lee}, Booktitle = {Findings of EMNLP}, Year = {2020}, }