d0rj/RuBQ_2.0

---
configs:
- config_name: default
data_files:
- split: test
path: data/test-*
- split: dev
path: data/dev-*
dataset_info:
features:
- name: uid
dtype: int64
- name: question_text
dtype: string
- name: query
dtype: string
- name: answer_text
dtype: string
- name: question_uris
sequence: string
- name: question_props
sequence: string
- name: answers
list:
- name: datatype
dtype: string
- name: label
dtype: string
- name: type
dtype: string
- name: value
dtype: string
- name: wd_names
struct:
- name: en
sequence: string
- name: ru
sequence: string
- name: wp_names
sequence: string
- name: xml:lang
dtype: string
- name: paragraphs_uids
struct:
- name: all_related
sequence: int64
- name: with_answer
sequence: int64
- name: tags
sequence: string
- name: RuBQ_version
dtype: string
- name: question_eng
dtype: string
splits:
- name: test
num_bytes: 1992076
num_examples: 2330
- name: dev
num_bytes: 488914
num_examples: 580
download_size: 0
dataset_size: 2480990
license: cc-by-sa-4.0
task_categories:
- question-answering
language:
- ru
- en
tags:
- qa
- machine reading
source_datasets:
- original
pretty_name: RuBQ 2.0
size_categories:
- 1K<n<10K
paperswithcode_id: rubq
---
# RuBQ 2.0

## Dataset Description

- **Repository:** https://github.com/vladislavneon/RuBQ/tree/master/RuBQ_2.0
- **Paper:** [RuBQ: A Russian Dataset for Question Answering over Wikidata](https://arxiv.org/abs/2005.10659)

For training data see [d0rj/RuBQ_2.0-paragraphs](https://huggingface.co/datasets/d0rj/RuBQ_2.0-paragraphs).

原始信息汇总

RuBQ 2.0 数据集概述

数据集描述

特征信息

• uid: 数据类型为 int64。
• question_text: 数据类型为 string。
• query: 数据类型为 string。
• answer_text: 数据类型为 string。
• question_uris: 数据类型为 sequence of string。
• question_props: 数据类型为 sequence of string。
• answers: 数据类型为 list，包含以下子特征：
  • datatype: 数据类型为 string。
  • label: 数据类型为 string。
  • type: 数据类型为 string。
  • value: 数据类型为 string。
  • wd_names: 数据类型为 struct，包含以下子特征：
    • en: 数据类型为 sequence of string。
    • ru: 数据类型为 sequence of string。
  • wp_names: 数据类型为 sequence of string。
  • xml:lang: 数据类型为 string。
• paragraphs_uids: 数据类型为 struct，包含以下子特征：
  • all_related: 数据类型为 sequence of int64。
  • with_answer: 数据类型为 sequence of int64。
• tags: 数据类型为 sequence of string。
• RuBQ_version: 数据类型为 string。
• question_eng: 数据类型为 string。

数据分割

• test: 包含 2330 个样本，总字节数为 1992076。
• dev: 包含 580 个样本，总字节数为 488914。

数据集大小

• 下载大小: 0 字节。
• 数据集大小: 2480990 字节。

许可

• 数据集遵循 cc-by-sa-4.0 许可。

任务类别

• 问题回答 (question-answering)

语言

• 俄语 (ru)
• 英语 (en)

标签

• qa
• machine reading

数据源

• 原始数据 (original)

数据集名称

• RuBQ 2.0

数据集规模

• 1K<n<10K

相关ID

• paperswithcode_id: rubq