mygitphase/boolq-indic

Indic BoolQ数据集是BoolQ（布尔问题）数据集的多语言版本，从英语翻译成10种印度语言。这是一个用于回答yes/no问题的问答数据集，包含约12k个自然产生的yes/no问题。数据集覆盖以下语言：孟加拉语（bn）、古吉拉特语（gu）、印地语（hi）、卡纳达语（kn）、马拉地语（mr）、马拉雅拉姆语（ml）、奥里亚语（or）、旁遮普语（pa）、泰米尔语（ta）和泰卢固语（te）。每个示例包含以下特征：question（目标语言中的yes/no问题）、passage（提供问题背景的段落）、answer（Yes/No）、label（1表示yes，0表示no）和language（ISO 639-1语言代码）。数据集总示例数约为140k，划分与原始BoolQ数据集一致：训练集每种语言9,427个示例，验证集每种语言3,270个示例。

A multilingual version of the BoolQ (Boolean Questions) dataset, translated from English into 10 Indian languages. It is a question-answering dataset for yes/no questions containing ~12k naturally occurring questions. The dataset includes translations in Bengali (bn), Gujarati (gu), Hindi (hi), Kannada (kn), Marathi (mr), Malayalam (ml), Oriya (or), Punjabi (pa), Tamil (ta), and Telugu (te). Each example contains: question (a yes/no question in the target language), passage (a passage providing context for the question), answer (Yes/No), label (1 for yes and 0 for no), and language (ISO 639-1 language code). Total number of examples is ~140k, with split sizes matching the original BoolQ dataset: Training: 9,427 examples per language, Validation: 3,270 examples per language.