it-at-m/LHM-Dienstleistungen-QA

LHM-Dienstleistungen-QA是一个基于慕尼黑市政府服务信息的德语公共领域问答数据集。数据集的结构受到GermanQuAD的启发，包含了从申请身份证到处理垃圾等各种城市服务的信息。数据集由应用人工智能研究所、BettercallPaul GmbH和慕尼黑市政府的成员共同注释。数据集统计信息包括最短问题、平均问题和最长问题的字符数，以及不同句子开头的分布情况。使用该数据集训练的模型包括QA和DPR模型。

原始信息汇总

LHM-Dienstleistungen-QA 数据集概述

数据集信息

• 许可证: MIT
• 语言: 德语
• 标签: QA

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: 结构体类型
  • answer_start: 整数序列
  • text: 字符串序列

数据分割

• test:
  • 字节数: 560403
  • 样本数: 357
• train:
  • 字节数: 2826731
  • 样本数: 1773

数据集大小

• 下载大小: 710027 字节
• 数据集大小: 3387134 字节

任务类别

• 问答 (question-answering)

数据集名称

• LHM Dienstleistungen: QA

数据集规模

• 1K<n<10K

数据来源

• 文本来自慕尼黑市政府的“Dienstleistungsfinder”服务。
• 信息范围从申请身份证到处理垃圾。

数据集统计

• 最短问题: 13 个字符
• 平均问题: 68 个字符
• 最长问题: 183 个字符

模型训练

• QA: cgutknecht/gelectra_large_gsqd-gq-LHM
• DPR:
  • schreon/xnext-lhm_queries_encoder
  • schreon/xnext-lhm_passages_encoder