Lexi/spanextract

斯坦福问答数据集（SQuAD）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阅读段落中的一段文本，或者问题可能无法回答。数据集的语言为英语，大小为10K到100K之间，任务类别为问答任务，具体为抽取式问答。数据集的许可证为CC-BY-4.0，数据集的创建者为众包工作者，数据集的来源为维基百科。

原始信息汇总

数据集概述

数据集基本信息

• 名称: SQuAD（Stanford Question Answering Dataset）
• 语言: 英语（en）
• 许可证: CC-BY-4.0
• 多语言性: 单语种
• 大小: 10K<n<100K
• 源数据集: 扩展自Wikipedia
• 任务类别: 问答（question-answering）
• 任务ID: 抽取式问答（extractive-qa）
• 论文代码ID: squad

数据集结构

• 数据实例: 包含id, context, question, answers等字段。
  • id: 整型
  • context: 字符串
  • question: 字符串
  • answers: 字典，包含text（字符串）和answer_start（整型）

数据集创建

• 注释创建者: 众包
• 语言创建者: 众包和发现
• 注释过程: 未详细说明
• 注释者: 未详细说明

使用数据集的考虑

• 社会影响: 未详细说明
• 偏见讨论: 未详细说明
• 其他已知限制: 未详细说明