sxiong/TGQA

TGQA是一个用于开放书籍时间推理问答的合成数据集，包含上下文、时间图、问答和推理链。数据集分为三个子集：TGQA、TempReason和TimeQA，每个子集都有不同的配置和分割。数据集的目的是支持两步框架TG-LLM，包括文本到时间图的翻译和时间图上的推理。

原始信息汇总

TGQA: 一个用于开放式时间推理问答的合成数据集，包含真实时间图

数据集描述

• 名称: TGQA
• 类型: 合成数据集
• 目的: 用于开放式时间推理问答，包含真实时间图
• 相关论文: Large Language Models Can Learn Temporal Reasoning（ACL 24 主会议）

数据集结构

• 框架: TG-LLM，包含两个步骤：文本到时间图的转换和神经符号推理
• 数据划分: 分为 Story_TG_Trans 和 TGSR 两部分
• 处理流程: 首先将故事转换为时间图，然后在图上进行符号推理

附加数据

• 包含处理后的 TimeQA 和 TempReason 数据

引用

@misc{xiong2024large, title={Large Language Models Can Learn Temporal Reasoning}, author={Siheng Xiong and Ali Payani and Ramana Kompella and Faramarz Fekri}, year={2024}, eprint={2401.06853}, archivePrefix={arXiv}, primaryClass={cs.CL} }

搜集汇总

背景与挑战

背景概述

TGQA是一个合成数据集，旨在支持开放书籍时间推理问答的研究，包含上下文、时间图、问答和思维链。数据集分为TGQA、TempReason和TimeQA三个子集，支持文本到时间图的转换和时间图推理。数据集格式为json，语言为英语，大小在100K到1M之间，适用于时间推理和问答系统的研究。