five

SEACrowd/uit_viwikiqa

收藏
Hugging Face2024-06-24 更新2024-06-29 收录
下载链接:
https://hf-mirror.com/datasets/SEACrowd/uit_viwikiqa
下载链接
链接失效反馈
官方服务:
资源简介:
UIT-ViWikiQA是一个基于越南语句子提取的机器阅读理解数据集,来源于UIT-ViQuAD数据集。该数据集包含23,074个问题-答案对,基于174篇越南语维基百科文章的5,109个段落。数据集主要用于非盈利的研究目的,特别是图像字幕生成,且不允许用于商业系统或重新分发。

UIT-ViWikiQA is a Vietnamese sentence extraction-based machine reading comprehension dataset, created from the UIT-ViQuAD dataset. It comprises 23,074 question-answer pairs based on 5,109 passages from 174 Vietnamese Wikipedia articles. The dataset is intended for non-profit research purposes, particularly for image captioning, and is not allowed for use in commercial systems or redistribution.
提供机构:
SEACrowd
原始信息汇总

UIT-ViWikiQA 数据集概述

基本信息

  • 名称: UIT-ViWikiQA
  • 语言: 越南语 (vie)
  • 任务类别: 问答 (Question Answering)
  • 标签: 问答 (Question Answering)
  • 数据集类型: 本地数据集

数据集描述

UIT-ViWikiQA 是一个基于越南语的句子提取型机器阅读理解数据集。该数据集是从 UIT-ViQuAD 数据集中创建的,包含 23,074 个基于 5,109 个段落的问答对,这些段落来自 174 篇维基百科越南语文章。

数据集版本

  • 源版本: 1.0.0
  • SEACrowd 版本: 2024.06.20

数据集使用

使用 datasets

python from datasets import load_dataset dset = datasets.load_dataset("SEACrowd/uit_viwikiqa", trust_remote_code=True)

使用 seacrowd

python import seacrowd as sc

使用默认配置加载数据集

dset = sc.load_dataset("uit_viwikiqa", schema="seacrowd")

查看数据集的所有可用子集(配置名称)

print(sc.available_config_names("uit_viwikiqa"))

使用特定配置加载数据集

dset = sc.load_dataset_by_config_name(config_name="<config_name>")

数据集许可

  • 许可类型: 其他 (Other License)
  • 使用条款:
    1. 仅用于非盈利研究。
    2. 禁止用于商业系统。
    3. 禁止重新分发数据集。
    4. 可以对数据集进行总结、分析和解释,但不能从中重建信息。
    5. 使用该数据集的研究工作必须引用指定的论文。

引用

plaintext @misc{do2021sentence, title={Sentence Extraction-Based Machine Reading Comprehension for Vietnamese}, author={Phong Nguyen-Thuan Do and Nhat Duy Nguyen and Tin Van Huynh and Kiet Van Nguyen and Anh Gia-Tuan Nguyen and Ngan Luu-Thuy Nguyen}, year={2021}, eprint={2105.09043}, archivePrefix={arXiv}, primaryClass={cs.CL} }

@article{lovenia2024seacrowd, title={SEACrowd: A Multilingual Multimodal Data Hub and Benchmark Suite for Southeast Asian Languages}, author={Holy Lovenia and Rahmad Mahendra and Salsabil Maulana Akbar and Lester James V. Miranda and Jennifer Santoso and Elyanah Aco and Akhdan Fadhilah and Jonibek Mansurov and Joseph Marvin Imperial and Onno P. Kampman and Joel Ruben Antony Moniz and Muhammad Ravi Shulthan Habibi and Frederikus Hudi and Railey Montalan and Ryan Ignatius and Joanito Agili Lopo and William Nixon and Börje F. Karlsson and James Jaya and Ryandito Diandaru and Yuze Gao and Patrick Amadeus and Bin Wang and Jan Christian Blaise Cruz and Chenxi Whitehouse and Ivan Halim Parmonangan and Maria Khelli and Wenyu Zhang and Lucky Susanto and Reynard Adha Ryanda and Sonny Lazuardi Hermawan and Dan John Velasco and Muhammad Dehan Al Kautsar and Willy Fitra Hendria and Yasmin Moslem and Noah Flynn and Muhammad Farid Adilazuarda and Haochen Li and Johanes Lee and R. Damanhuri and Shuo Sun and Muhammad Reza Qorib and Amirbek Djanibekov and Wei Qi Leong and Quyet V. Do and Niklas Muennighoff and Tanrada Pansuwan and Ilham Firdausi Putra and Yan Xu and Ngee Chia Tai and Ayu Purwarianti and Sebastian Ruder and William Tjhi and Peerat Limkonchotiwat and Alham Fikri Aji and Sedrick Keh and Genta Indra Winata and Ruochen Zhang and Fajri Koto and Zheng-Xin Yong and Samuel Cahyawijaya}, year={2024}, eprint={2406.10118}, journal={arXiv preprint arXiv: 2406.10118} }

5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作