zhanghanchong/css

CSS是一个大规模跨模式的中文文本到SQL数据集。

原始信息汇总

数据集概述

基本信息

• 任务类别: 文本到文本生成
• 语言: 中文
• 数据集大小: 1K<n<10K
• 许可证: cc-by-4.0

数据集描述

• 数据集名称: CSS
• 数据集类型: 大规模跨模式中文文本到SQL数据集

数据集分割

示例基础分割

• 训练集: 3472个问题/SQL对
• 开发集: 434个问题/SQL对
• 测试集: 434个问题/SQL对

模板基础分割

• 训练集: 3470个问题/SQL对
• 开发集: 430个问题/SQL对
• 测试集: 440个问题/SQL对

模式基础分割

• 训练集: 18550个问题/SQL对
• 开发集: 8150个问题/SQL对
• 测试集: 6920个问题/SQL对

引用信息

@misc{zhang2023css, title={CSS: A Large-scale Cross-schema Chinese Text-to-SQL Medical Dataset}, author={Hanchong Zhang and Jieyu Li and Lu Chen and Ruisheng Cao and Yunyan Zhang and Yu Huang and Yefeng Zheng and Kai Yu}, year={2023}, eprint={2305.15891}, archivePrefix={arXiv}, primaryClass={cs.CL} }

搜集汇总

背景与挑战

背景概述

CSS是一个大规模跨模式的中文文本到SQL数据集，主要用于医疗领域。数据集包含多种分割方式（基于示例、模板和模式），并提供了详细的训练、开发和测试集划分。数据集以中文为主，大小在1K到10K之间，采用CC-BY-4.0许可证。