casey-martin/qald_9_plus

QALD-9-plus是一个用于基于知识图谱的问答系统（KGQA）的数据集，基于著名的QALD-9数据集。它支持在DBpedia和Wikidata上进行训练和测试，包含9种不同语言的问题：英语、德语、俄语、法语、亚美尼亚语、白俄罗斯语、立陶宛语、巴什基尔语和乌克兰语。部分问题在某些语言中有多种表达方式，这有助于评估KGQA系统的鲁棒性和训练复述模型。问题的翻译由母语者提供，被视为黄金标准，因此可以用于训练和评估机器翻译工具。

原始信息汇总

QALD-9-plus 数据集概述

数据集描述

QALD-9-plus 是一个基于 QALD-9 的知识图谱问答（KGQA）数据集。该数据集支持在 DBpedia 和 Wikidata 上使用 9 种不同语言（英语、德语、俄语、法语、亚美尼亚语、白俄罗斯语、立陶宛语、巴什基尔语和乌克兰语）进行 KGQA 系统的训练和测试。部分问题在特定语言中有多个替代写法，这有助于评估 KGQA 系统的鲁棒性和训练释义模型。由于问题翻译由母语者提供，被视为金标准，因此该数据集也可用于训练和评估机器翻译工具。

数据集配置

• 默认配置: data/*_train.parquet
• 语言特定配置:
  • 巴什基尔语 (ba): data/*_ba_train.parquet
  • 白俄罗斯语 (be): data/*_be_train.parquet
  • 德语 (de): data/*_de_train.parquet
  • 英语 (en): data/*_en_train.parquet
  • 法语 (fr): data/*_fr_train.parquet
  • 亚美尼亚语 (hy): data/*_hy_train.parquet
  • 立陶宛语 (lt): data/*_lt_train.parquet
  • 俄语 (ru): data/*_ru_train.parquet
  • 乌克兰语 (uk): data/*_uk_train.parquet

数据集统计

	en	de	fr	ru	uk	lt	be	ba	hy	# questions DBpedia	# questions Wikidata
Train	408	543	260	1203	447	468	441	284	80	408	371
Test	150	176	26	348	176	186	155	117	20	150	136

数据集许可

该数据集遵循 CC-BY-4.0 许可。

引用信息

bibtex @inproceedings{perevalov2022qald9plus, author={Perevalov, Aleksandr and Diefenbach, Dennis and Usbeck, Ricardo and Both, Andreas}, booktitle={2022 IEEE 16th International Conference on Semantic Computing (ICSC)}, title={QALD-9-plus: A Multilingual Dataset for Question Answering over DBpedia and Wikidata Translated by Native Speakers}, year={2022}, pages={229-234}, doi={10.1109/ICSC52841.2022.00045} }