Thaweewat/instruct-qa-thai-combined

Instruct-QA-Thai-Combined是一个丰富的问答数据集集合，汇集了来自多个来源的数据，专门用于开发和评估泰语问答系统。数据集的主要语言是泰语。数据来源包括Wiki QA、MKQA、iapp-wiki-qa-squad、ThaiQA Squad、TyDi QA和XQuAD。数据集的特征包括问题、输入、答案和来源。

原始信息汇总

Instruct-QA-Thai-Combined 数据集概述

数据集描述

Instruct-QA-Thai-Combined 是一个从多个来源汇编的丰富问答数据集，专为开发和基准测试泰语问答系统而设计。

语言

该数据集的主要语言是泰语。

数据结构

数据来源

• Wiki QA: 17,000 个问答对。
• MKQA: 从 Google Natural Questions 数据集中抽样的 10,000 个查询。
• iapp-wiki-qa-squad: 5,761 个文档/问题对。
• ThaiQA Squad: 来自泰语维基百科的 4,000 个问答对。
• TyDi QA: 3,789 个多语言问答对。
• XQuAD: 1,190 个跨语言问答对。

特征

数据集包含以下特征：

• Instuction: 与特定主题相关的问题。
• Input: 长形式上下文。
• Answer: 问题的对应答案。
• Source: 问题和答案对来源的数据集。

源数据

源数据包括多个数据集，每个数据集都有其许可：

• XQuAD (CC BY-SA 4.0)
• Thai QA (CC BY-SA-NC 3.0)
• TyDi QA (Apache-2.0 License)
• iapp-wiki-qa-dataset (MIT License)
• MKQA (Apple)

引用信息

如果您在工作中使用了 Instruct-QA-Thai-Combined 数据集，请引用以下内容：

@misc{instruct-qa-thai-combined, author = {Thaweewat}, title = {Instruct-QA-Thai-Combined: A Comprehensive Thai Question Answering Dataset}, year = {2024}, publisher = {Hugging Face}, journal = {Hugging Face Datasets}, howpublished = {url{https://huggingface.co/datasets/Thaweewat/instruct-qa-thai-combined}} }