deepset/covid_qa_deepset

COVID-QA是一个问答数据集，包含2019个问题/答案对，由15位生物医学专家在147篇与COVID-19相关的科学文章上进行标注。每个实例包括一个问题、一个上下文（来自CORD19数据集的文档段落）和一个答案。数据以SQuAD风格进行标注，目标是帮助构建问答模型，服务于临床和科学研究人员、公共卫生当局以及一线工作者。

原始信息汇总

数据集概述

数据集名称

• 名称: COVID-QA

数据集描述

• 描述: COVID-QA是一个问答数据集，包含2,019个问题/答案对，由志愿的生物医学专家在COVID-19相关的科学文章上进行标注。
• 语言: 英语
• 许可: Apache-2.0

数据集结构

• 数据实例: 每个实例代表一个问题、一个上下文（来自CORD19数据集的文档段落）和一个答案。
• 数据字段:
  • document_id: 整数类型
  • context: 字符串类型
  • question: 字符串类型
  • is_impossible: 布尔类型
  • id: 整数类型
  • answers: 序列类型，包含文本和答案开始位置
• 数据分割:
  • 训练集: 2019个实例，总字节数为65151262

数据集创建

• 来源数据: 来自CORD-19数据集的147篇科学文章
• 标注过程: 由15名志愿的生物医学专家进行标注，使用deepset开发的web-based标注工具

使用数据注意事项

• 社会影响: 旨在帮助构建服务于临床和科学研究人员、公共卫生当局和前线工作者的问答模型

附加信息

• 许可证: Apache License 2.0

• 引用信息:

  @inproceedings{moller2020covid, title={COVID-QA: A Question Answering Dataset for COVID-19}, author={M{"o}ller, Timo and Reina, Anthony and Jayakumar, Raghavan and Pietsch, Malte}, booktitle={Proceedings of the 1st Workshop on NLP for COVID-19 at ACL 2020}, year={2020} }