ravidborse/minispider

Spider是一个大规模、复杂且跨领域的语义解析和文本到SQL数据集，由11名耶鲁大学的学生注释。该数据集的目标是开发跨领域数据库的自然语言接口。数据集包含自然语言问题和相应的SQL查询，文本为英文，数据集规模在1K到10K之间。

原始信息汇总

数据集概述

数据集描述

数据集摘要

Spider是一个大规模的复杂跨域语义解析和文本到SQL数据集，由耶鲁大学的11名学生标注。该数据集的目标是开发跨域数据库的自然语言接口。

支持的任务和排行榜

该数据集支持文本到SQL生成的任务，排行榜可以在这里查看。

语言

数据集中的文本为英语。

数据集结构

数据实例

每个实例代表一个自然语言问题及其对应的SQL查询。

数据字段

• db_id: 数据库名称
• question: 自然语言问题
• query: 目标SQL查询
• query_toks: 查询的标记列表
• query_toks_no_value: 查询的标记列表（无值）
• question_toks: 问题的标记列表

数据分割

• train: 包含7000个问题和SQL查询对
• dev: 包含1034个问题和SQL查询对

数据集创建

标注

数据集由耶鲁大学的11名学生标注。

使用数据的注意事项

社会影响

[更多信息需要]

偏见讨论

[更多信息需要]

其他已知限制

[更多信息需要]

附加信息

数据集许可

该数据集基于CC BY-SA 4.0许可。

引用信息

@article{yu2018spider, title={Spider: A large-scale human-labeled dataset for complex and cross-domain semantic parsing and text-to-sql task}, author={Yu, Tao and Zhang, Rui and Yang, Kai and Yasunaga, Michihiro and Wang, Dongxu and Li, Zifan and Ma, James and Li, Irene and Yao, Qingning and Roman, Shanelle and others}, journal={arXiv preprint arXiv:1809.08887}, year={2018} }