Orange/paraqa-sparqltotext

ParaQA-SPARQLtoText数据集是ParaQA的一个特殊版本，专门为SPARQL-to-Text任务格式化SPARQL查询。该数据集包含一个新字段`simplified_query`，该字段通过对`query`字段进行一系列处理得到，包括替换URI为更简单的格式、分隔符的间距处理、变量名的随机化和子句的重新排列。此外，数据集还引入了一个新的验证集`valid`，该验证集从测试集中随机抽取，占整个数据集的10%。数据集的语言为英语。

原始信息汇总

数据集概述

数据集信息

特征

• uid: 字符串类型
• query: 字符串类型
• question: 字符串类型
• simplified_query: 字符串类型
• answer: 字符串类型
• verbalized_answer: 字符串类型
• verbalized_answer_2: 字符串类型
• verbalized_answer_3: 字符串类型
• verbalized_answer_4: 字符串类型
• verbalized_answer_5: 字符串类型
• verbalized_answer_6: 字符串类型
• verbalized_answer_7: 字符串类型
• verbalized_answer_8: 字符串类型

数据分割

• train: 3500个样本，2540548字节
• validation: 500个样本，369571字节
• test: 1000个样本，722302字节

数据集大小

• 下载大小: 1750172字节
• 数据集大小: 3632421字节

任务类别

• 对话
• 问答
• 文本生成
• 文本到文本生成

标签

• qa
• knowledge-graph
• sparql

数据集描述

数据集摘要

• 特殊版本的ParaQA，用于SPARQL-to-Text任务的SPARQL查询格式化。

新字段 simplified_query

• 新字段名为"simplified_query"，通过对"query"字段进行以下步骤生成：
  • 替换URI为带有前缀"resource:"、"property:"和"ontology:"的简单格式。
  • 间隔分隔符(, {, ., }, )。
  • 随机化变量名。
  • 打乱子句顺序。

新分割 "valid"

• 从测试集中随机提取的验证集，占整个数据集的10%。

语言

• 英语

数据集结构

问题类型

• 比较了与相关数据集的问题类型。

数据分割

• 文本表述仅在测试集的一个子集（称为挑战集）中可用。其他样本仅包含对话形式的后续sparql查询。

	Train	Validation	Test
Questions	3,500	500	1,000
NL question per query	1
Characters per query	103 (± 27)
Tokens per question	10.3 (± 3.7)

附加信息

相关数据集

• 该语料库是用于SPARQL-to-Text生成的5个数据集之一。

许可信息

• 原始数据集内容：CC-BY 4.0
• 新内容：CC BY-SA 4.0

引用信息

• 该版本的语料库（带有标准化SPARQL查询）
• 原始版本