community-datasets/qanta

Qanta数据集是一个基于学术问答游戏Quizbowl的问答数据集。该数据集包含多个配置，每个配置有不同的数据分割和特征。数据集的主要任务类别是问答（question-answering），并且是单语（monolingual）的，语言为英语（en）。数据集的规模在10万到100万之间，数据集的创建者是通过机器生成的注释，并且数据集的来源是原始的。

原始信息汇总

数据集卡片 for "qanta"

数据集描述

数据集摘要

Qanta 数据集是一个基于学术 trivia 游戏 Quizbowl 的问答数据集。

支持的任务和排行榜

更多信息需要

语言

更多信息需要

数据集结构

数据实例

mode=first,char_skip=25

• 下载的数据集文件大小: 170.75 MB
• 生成的数据集大小: 147.18 MB
• 磁盘使用总量: 317.93 MB

一个 guessdev 的例子如下：

json { "answer": "Apollo_program", "category": "History", "char_idx": -1, "dataset": "quizdb.org", "difficulty": "easy_college", "first_sentence": "As part of this program, William Anders took a photo that Galen Rowell called "the most influential environmental photograph ever taken."", "fold": "guessdev", "full_question": ""As part of this program, William Anders took a photo that Galen Rowell called "the most influential environmental photograph e...", "gameplay": false, "id": "127028-first", "page": "Apollo_program", "proto_id": "", "qanta_id": 127028, "qdb_id": 126689, "raw_answer": "Apollo program [or Project Apollo; accept Apollo 8; accept Apollo 1; accept Apollo 11; prompt on landing on the moon]", "sentence_idx": -1, "subcategory": "American", "text": "As part of this program, William Anders took a photo that Galen Rowell called "the most influential environmental photograph ever taken."", "tokenizations": [[0, 137], [138, 281], [282, 412], [413, 592], [593, 675]], "tournament": "ACF Fall", "year": 2016 }

数据字段

所有分割的数据字段相同。

mode=first,char_skip=25

• id: 一个 string 特征。
• qanta_id: 一个 int32 特征。
• proto_id: 一个 string 特征。
• qdb_id: 一个 int32 特征。
• dataset: 一个 string 特征。
• text: 一个 string 特征。
• full_question: 一个 string 特征。
• first_sentence: 一个 string 特征。
• char_idx: 一个 int32 特征。
• sentence_idx: 一个 int32 特征。
• tokenizations: 一个包含以下内容的字典特征：
  • feature: 一个 int32 特征。
• answer: 一个 string 特征。
• page: 一个 string 特征。
• raw_answer: 一个 string 特征。
• fold: 一个 string 特征。
• gameplay: 一个 bool 特征。
• category: 一个 string 特征。
• subcategory: 一个 string 特征。
• tournament: 一个 string 特征。
• difficulty: 一个 string 特征。
• year: 一个 int32 特征。

数据分割

name	adversarial	buzzdev	buzztrain	guessdev	guesstrain	buzztest	guesstest
mode=first,char_skip=25	1145	1161	16706	1055	96221	1953	2151