kuznetsoffandrey/sberquad

SberQuAD（Sber问答数据集）是一个阅读理解数据集，由众包工作者基于一组维基百科文章提出问题，每个问题的答案是对应文章中的一段文本，或者问题可能无法回答。该数据集是俄语的，最初在2017年Sberbank数据科学之旅中提出。数据集的结构包括id、title、context、question和answers等字段，数据被分为训练集、验证集和测试集。

原始信息汇总

数据集概述

数据集名称

• 名称: SberQuAD
• 别名: sberquad

数据集描述

• 类型: 阅读理解数据集
• 内容: 包含由众包工作者提出的问题，这些问题基于一系列维基百科文章，答案为文章中的文本片段或无法回答的问题。
• 语言: 俄语

数据集结构

• 特征:
  • id: int32类型
  • title: 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: int32类型
• 分割:
  • 训练集: 45328个样本
  • 验证集: 5036个样本
  • 测试集: 23936个样本

数据集创建

• 语言创建者: 发现与众包
• 注释创建者: 众包
• 源数据: 原始数据

许可证

• 许可证类型: 未知

多语言性

• 多语言性: 单语种

大小分类

• 大小: 10K<n<100K

任务类别

• 任务类别: 问答
• 任务ID: 抽取式问答