HiTZ/Multilingual-BioASQ-6B

Multilingual BioASQ-6B数据集是一个多语言问答和摘要数据集，包含英语、西班牙语、法语和意大利语四个版本。每个版本的数据集包括训练集和测试集，特征包括id、type、body、ideal_answer、exact_answer、snippets、documents、triples和concepts。数据集主要用于生物学和医学领域的问答和摘要任务。数据集是通过将BioASQ-6B英语问答数据集翻译成其他语言生成的，使用了NLLB200 3B参数模型进行翻译。ideal_answer字段的翻译质量已经过验证，但exact_answer字段可能包含翻译错误，因为NLLB200在处理单句翻译时质量较低。

原始信息汇总

数据集概述

数据集名称

• Multilingual BioASQ-6B

数据集语言

• 英语 (en)
• 西班牙语 (es)
• 法语 (fr)
• 意大利语 (it)

数据集特征

• id (字符串类型)
• type (字符串类型)
• body (字符串类型)
• ideal_answer (字符串序列)
• exact_answer (字符串序列)
• snippets (字符串序列)
• documents (字符串序列)
• triples (列表类型，包含三个字符串类型的元素：p, s, o)
• concepts (字符串序列)

数据集分割

• 训练集 (train)
  • 英语：2251个示例，10827410字节
  • 西班牙语：2251个示例，11694723字节
  • 法语：2251个示例，11760491字节
  • 意大利语：2251个示例，11241823字节
• 测试集 (test)
  • 英语：500个示例，1709411字节
  • 西班牙语：500个示例，1808733字节
  • 法语：500个示例，1799313字节
  • 意大利语：500个示例，1737683字节

数据集大小

• 英语：下载大小5185124字节，数据集大小12536821字节
• 西班牙语：下载大小5417329字节，数据集大小13503456字节
• 法语：下载大小5402467字节，数据集大小13559804字节
• 意大利语：下载大小5320580字节，数据集大小12979506字节

数据集配置

• 英语：训练集路径为en/train-*，测试集路径为en/test-*
• 西班牙语：训练集路径为es/train-*，测试集路径为es/test-*
• 法语：训练集路径为fr/train-*，测试集路径为fr/test-*
• 意大利语：训练集路径为it/train-*，测试集路径为it/test-*

数据集许可证

• Apache-2.0

数据集任务类别

• 问答
• 摘要

数据集标签

• 生物学
• 医学