GooAQ

GooAQ 是一个具有多种答案类型的大规模数据集。该数据集包含从 Google 收集的超过 500 万个问题和 300 万个答案。 GooAQ 问题是使用 Google 搜索引擎的自动完成功能半自动收集的。这导致了具有实际兴趣的自然主义问题，这些问题仍然很短，并且使用简单的语言表达。 GooAQ 的答案是从谷歌对收集到的问题的回答中挖掘出来的，特别是从搜索结果中的答案框中。这产生了丰富的答案类型空间，包含文本答案（短和长）以及更结构化的答案，例如集合。GooAQ is a large-scale dataset with diverse answer types. This dataset contains over 5 million questions and 3 million answers collected from Google. The questions in GooAQ are semi-automatically collected using the autocomplete feature of the Google Search Engine. This results in naturalistic questions of genuine interest that are concise and expressed in simple language. The answers of GooAQ are extracted from Google's responses to the collected questions, particularly from the answer boxes in search results. This yields a rich space of answer types, encompassing both textual answers (short and long) and more structured ones such as collections.

搜集汇总

背景与挑战

背景概述

GooAQ是一个大规模问答数据集，包含从Google搜索引擎半自动收集的超过500万问题和300万答案，具有自然、简短的问题表达和多样化的答案类型（包括文本和结构化形式）。该数据集由宾夕法尼亚大学等机构于2021年发布，旨在支持开放领域问答研究。