MSParS (V1.0)：用于基于知识的问答的多视角语义解析数据集

MSParS是一个用于开放领域语义解析任务的大规模数据集。整个数据集由81,826个样本组成，这些样本由以英语为母语的人注释。我们对这些样本进行随机洗牌，用其中的80%（63,826）作为训练集，10%作为验证集（9,000），剩下的10%作为测试集（9,000）。请注意，对于测试集，我们只公布了没有注释的问题，因为这个数据集现在正支持一个开放的评估。 每个样本是一个四元组，包括： 1、一个问题（或多轮 QA 场景的多个问题） 2、表示问题语义的逻辑形式 3、从问题中提取的参数（实体/类型/值） 4、问题类型 与大多数现有的语义解析数据集不同，这些数据集要么受大小限制，要么偏向于单关系问题，MSParS 涵盖了 9 种类型的单轮问题（单关系、多跳、多约束、最高级、聚合、比较、 yesno、cvt 和 multi-choice）和 3 种多轮问题（多轮实体、多轮谓词和多轮答案）。问题类型总数为 12。 MSParS 基于 Microsoft 的开放领域知识图 Satori 进行注释。 MSParS 中的实体、谓词和类型遵循 Satori 中的标准形式。相应的 Satori 片段将在稍后发布。 未来，我们将把这个数据集扩展到V2.0，包括更多类型的问题，如澄清问题、添加对抗样本、为跨语言语义解析任务注释非英语问题等。 If you use the MSParS dataset in your research, please cite (===== paper will be updated later =====): MSParS dataset is supporting the shared task 2 (Open Domain Semantic Parsing) in NLPCC 2019. The CCF International Conference on Natural Language Processing and Chinese Computing (NLPCC) is the annual conference of CCF TCCI (Technical Committee of Chinese Information, China Computer Federation). The NLPCC conferences have been successfully held in Beijing (2012)，Chongqing (2013), Shenzhen (2014), Nanchang (2015), Kunming (2016), Dalian (2017) and Hohhot (2018). This year's NLPCC conference will be held in Dunhuang on October 9–14. important dates: