juletxara/xquad_xtreme

XQuAD-XTREME是一个用于评估跨语言问答性能的基准数据集。该数据集包含来自SQuAD v1.1开发集的240个段落和1190个问答对，并提供了这些内容的专业翻译，涵盖了12种语言（包括英语、西班牙语、德语、希腊语、俄语、土耳其语、阿拉伯语、越南语、泰语、中文、印地语和罗马尼亚语）。此外，数据集还包括了从XTREME中提取的“translate-train”、“translate-dev”和“translate-test”分割，用于在“translate-train”或“translate-test”设置下运行XQuAD。

原始信息汇总

数据集概述

名称: XQuAD-XTREME

类型: 跨语言问答数据集

语言: 英语（en）、西班牙语（es）、德语（de）、希腊语（el）、印地语（hi）、泰语（th）、俄语（ru）、土耳其语（tr）、阿拉伯语（ar）、越南语（vi）、中文（zh）、罗马尼亚语（ro）

许可: CC-BY-SA-4.0

来源: 扩展自SQuAD数据集

任务: 抽取式问答（extractive-qa）

数据集大小: 未知

数据集结构

数据实例

每个语言的数据实例包括以下字段：

• id: 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

数据分割

每个语言的数据集分为验证集，包含1190个实例。

数据集创建

注释者

• 注释创建者: 专家生成
• 语言创建者: 专家生成

引用信息

@article{Artetxe:etal:2019, author = {Mikel Artetxe and Sebastian Ruder and Dani Yogatama}, title = {On the cross-lingual transferability of monolingual representations}, journal = {CoRR}, volume = {abs/1910.11856}, year = {2019}, archivePrefix = {arXiv}, eprint = {1910.11856} }