ehovy/race|阅读理解数据集|自然语言处理数据集

RACE是一个大规模的阅读理解数据集，包含超过28,000篇文章和近100,000个问题。该数据集源自中国中学生和高中的英语考试，适用于机器理解模型的训练和测试。数据集为英语单语种，包含多项选择题，分为三个配置：全部、高中和初中，每个配置都有不同的训练、验证和测试分割。

原始信息汇总

数据集概述

名称: RACE

语言: 英语（en）

许可证: 其他（other）

多语言性: 单语（monolingual）

数据集大小: 10,000 < n < 100,000

源数据: 原始（original）

任务类别: 多项选择（multiple-choice）

任务ID: 多项选择问答（multiple-choice-qa）

配置信息:

• 配置名称: all, high, middle
• 特征:
  • example_id: 字符串（string）
  • article: 字符串（string）
  • answer: 字符串（string）
  • question: 字符串（string）
  • options: 字符串序列（sequence of string）
• 数据分割:
  • all:
    • 训练集: 87,866 样本
    • 验证集: 4,887 样本
    • 测试集: 4,934 样本
  • high:
    • 训练集: 62,445 样本
    • 验证集: 3,451 样本
    • 测试集: 3,498 样本
  • middle:
    • 训练集: 25,421 样本
    • 验证集: 1,436 样本
    • 测试集: 1,436 样本
• 下载大小:
  • all: 41,500,647 字节
  • high: 33,750,880 字节
  • middle: 7,781,596 字节
• 数据集大小:
  • all: 174,731,024 字节
  • high: 140,117,588 字节
  • middle: 34,613,436 字节

数据集创建

注释创建者: 专家生成（expert-generated）

语言创建者: 发现（found）

许可证信息:

1. RACE数据集仅供非商业研究目的使用。
2. 所有文章均来自互联网，非卡内基梅隆大学所有。我们不对这些文章的内容或含义负责。
3. 您同意不复制、出售、交易或利用任何部分内容和任何衍生数据进行商业目的。
4. 我们保留随时终止您访问RACE数据集的权利。

引用信息:

@inproceedings{lai-etal-2017-race, title = "{RACE}: Large-scale {R}e{A}ding Comprehension Dataset From Examinations", author = "Lai, Guokun and Xie, Qizhe and Liu, Hanxiao and Yang, Yiming and Hovy, Eduard", booktitle = "Proceedings of the 2017 Conference on Empirical Methods in Natural Language Processing", month = sep, year = "2017", address = "Copenhagen, Denmark", publisher = "Association for Computational Linguistics", url = "https://aclanthology.org/D17-1082", doi = "10.18653/v1/D17-1082", pages = "785--794", }