lmqg/qag_tweetqa

这是一个基于tweet_qa的问题与答案生成数据集。由于原始数据的测试集未公开，因此从训练集中随机抽取了测试问题。该数据集用于训练模型进行问题与答案生成，成功通常通过达到高BLEU4/METEOR/ROUGE-L/BERTScore/MoverScore来衡量。数据集包含段落、问题、答案和问题答案对，所有分割的数据字段相同。数据集的语言为英语。

原始信息汇总

数据集概述

基本信息

• 许可证: cc-by-sa-4.0
• 数据集名称: TweetQA for question generation
• 语言: 英语 (en)
• 多语言性: 单语种
• 数据集大小: 1k<n<10K
• 来源数据集: tweet_qa

任务与标签

• 任务类别: 文本生成
• 任务ID: 语言建模
• 标签: 问题生成

数据集描述

• 概述: 该数据集是基于tweet_qa的问题与答案生成数据集。原始数据的测试集未公开发布，因此我们从训练集中随机抽样了测试问题。
• 支持的任务与评测指标:
  • 任务: 问题-答案生成
  • 评测指标: BLEU4/METEOR/ROUGE-L/BERTScore/MoverScore

数据集结构

• 数据字段:
  • questions: 字符串列表
  • answers: 字符串列表
  • paragraph: 字符串
  • questions_answers: 字符串
• 数据分割:
  • train: 4536
  • validation: 583
  • test: 583

引用信息

@inproceedings{ushio-etal-2022-generative, title = "{G}enerative {L}anguage {M}odels for {P}aragraph-{L}evel {Q}uestion {G}eneration", author = "Ushio, Asahi and Alva-Manchego, Fernando and Camacho-Collados, Jose", booktitle = "Proceedings of the 2022 Conference on Empirical Methods in Natural Language Processing", month = dec, year = "2022", address = "Abu Dhabi, U.A.E.", publisher = "Association for Computational Linguistics", }