iamrishiraj/com_qa

ComQA是一个包含11,214个问题的数据集，这些问题是从WikiAnswers社区问答网站收集的。数据集中的问题具有多种挑战性现象，如需要时间推理、比较、组合性和无法回答的问题。通过众包努力，问题被分组为4,834个表达相同信息需求的释义簇，每个簇都标注了答案。答案以Wikipedia实体的形式提供，对于时间或可测量量，使用TIMEX3和国际单位制（SI）进行标准化。

原始信息汇总

数据集概述

数据集名称

• 名称: ComQA
• 别名: com_qa

数据集信息

• 语言: 英语 (en)
• 许可证: 未知
• 任务类别: 问答
• 论文ID: comqa

数据集特征

• cluster_id: 字符串类型
• questions: 字符串序列
• answers: 字符串序列

数据集结构

• 训练集: 3966个样本，占用692932字节
• 测试集: 2243个样本，占用271554字节
• 验证集: 966个样本，占用131129字节
• 下载大小: 474169字节
• 数据集大小: 1095615字节

数据集配置

• 默认配置:
  • 训练数据路径: data/train-*
  • 测试数据路径: data/test-*
  • 验证数据路径: data/validation-*

数据集描述

• 概述: ComQA包含11,214个问题，来自WikiAnswers社区问答网站。数据集通过大规模众包努力，将问题分组为4,834个同义表达集群，每个集群都标注了答案。答案尽可能采用Wikipedia实体形式，对于时间或可测量量，使用TIMEX3和国际单位制(SI)进行标准化。

数据集示例

json { "answers": ["https://en.wikipedia.org/wiki/north_sea"], "cluster_id": "cluster-922", "questions": ["what sea separates the scandinavia peninsula from britain?", "which sea separates britain from scandinavia?"] }

数据集分割

名称	训练	验证	测试
默认配置	3966	966	2243