ccasimiro/squad_es

该数据集是斯坦福问答数据集（SQuAD）v2的西班牙语自动翻译版本，主要用于问答任务，特别是抽取式问答。数据集包含训练集和验证集，分别有87595和10570个样本。数据集的字段包括id、title、context、question和answers，其中answers包含text和answer_start两个子字段。数据集的大小为94.63 MB，下载文件大小为39.29 MB。数据集的语言为西班牙语，许可证为CC BY 4.0。

原始信息汇总

数据集概述

名称: SQuAD-es

语言: 西班牙语 (es)

许可证: CC BY 4.0

多语言性: 单语种

大小类别: 10K<n<100K

源数据集: 扩展自 SQuAD

任务类别: 问答

任务ID: 抽取式问答 (extractive-qa)

数据集信息:

• 特征:

  • id: 字符串类型
  • title: 字符串类型
  • context: 字符串类型
  • question: 字符串类型
  • answers: 字典类型，包含
    • text: 字符串类型
    • answer_start: 整数类型 (int32)

• 数据分割:

  • train: 87595 个例子
  • validation: 10570 个例子

• 下载大小: 39.29 MB

• 数据集大小: 94.63 MB

数据集创建

注释创建者: 机器生成

语言创建者: 机器生成

许可证信息: 该数据集根据 CC BY 4.0 许可发布。

引用信息:

@article{2016arXiv160605250R, author = {Casimiro Pio , Carrino and Marta R. , Costa-jussa and Jose A. R. , Fonollosa}, title = "{Automatic Spanish Translation of the SQuAD Dataset for Multilingual Question Answering}", journal = {arXiv e-prints}, year = 2019, eid = {arXiv:1912.05200v1}, pages = {arXiv:1912.05200v1}, archivePrefix = {arXiv}, eprint = {1912.05200v2}, }

贡献者: 感谢 @patrickvonplaten, @thomwolf, @albertvillanova, @lewtun 添加此数据集。