Natural Questions

自然问题语料库是一个问答数据集，包含 307,373 个训练示例、7,830 个开发示例和 7,842 个测试示例。每个示例都由 google.com 查询和相应的 Wikipedia 页面组成。每个 Wikipedia 页面都有一个在回答问题的页面上注释的段落（或长答案），以及包含实际答案的注释段落的一个或多个短跨度。然而，长答案和短答案注释可以是空的。如果它们都是空的，那么页面上根本没有答案。如果长答案注释不为空，而短答案注释为空，则注释的段落回答了问题，但找不到明确的简短答案。最后，有 1% 的文档有一段用“是”或“否”的简短答案注释的段落，而不是短跨度列表。