alinet/spoken_squad

---
configs:
- config_name: default
data_files:
- split: train
path: "train.json"
- split: validation
path: "test.json"
- config_name: WER44
data_files:
- split: test
path: "test_WER44.json"
- config_name: WER54
data_files:
- split: test
path: "test_WER54.json"
size_categories:
- 10K<n<100K
license: unknown
task_categories:
- question-answering
language:
- en
pretty_name: Spoken-SQuAD
---

# Dataset Card for Spoken-SQuAD

## Dataset Description

- **Repository:** [https://github.com/chiahsuan156/Spoken-SQuAD](https://github.com/chiahsuan156/Spoken-SQuAD)
- **Paper:** [https://arxiv.org/abs/1804.00320](https://arxiv.org/abs/1804.00320)

## Citation

```bibtex
@article{lee2018spoken,
title={Spoken SQuAD: A Study of Mitigating the Impact of Speech Recognition Errors on Listening Comprehension},
author={Lee, Chia-Hsuan and Wu, Szu-Lin and Liu, Chi-Liang and Lee, Hung-yi},
journal={Proc. Interspeech 2018},
pages={3459--3463},
year={2018}
}
```

配置项：
- 配置名称：default（默认配置）
数据文件：
- 数据集拆分：训练集，文件路径："train.json"
- 数据集拆分：验证集，文件路径："test.json"
- 配置名称：WER44（词错误率44，Word Error Rate 44）
数据文件：
- 数据集拆分：测试集，文件路径："test_WER44.json"
- 配置名称：WER54（词错误率54，Word Error Rate 54）
数据文件：
- 数据集拆分：测试集，文件路径："test_WER54.json"
样本量范畴：10000 < 样本数量 < 100000
许可协议：未知
任务范畴：问答任务（question-answering）
语言：英语（en）
展示名称：口语化SQuAD（Spoken-SQuAD）

# Spoken-SQuAD数据集卡片

## 数据集描述
- **仓库地址：** [https://github.com/chiahsuan156/Spoken-SQuAD](https://github.com/chiahsuan156/Spoken-SQuAD)
- **论文地址：** [https://arxiv.org/abs/1804.00320](https://arxiv.org/abs/1804.00320)

## 引用格式
bibtex
@article{lee2018spoken,
title={口语化SQuAD：缓解语音识别错误对听力理解影响的研究},
author={Lee, Chia-Hsuan and Wu, Szu-Lin and Liu, Chi-Liang and Lee, Hung-yi},
journal={Proc. Interspeech 2018（2018年国际语音通信大会论文集）},
pages={3459--3463},
year={2018}
}

原始信息汇总

数据集概述

数据集描述

• 数据集名称: Spoken-SQuAD
• 语言: 英语
• 任务类别: 问答
• 数据规模: 10K<n<100K
• 许可证: 未知

数据配置

• 默认配置:
  • 训练集: train.json
  • 验证集: test.json
• WER44配置:
  • 测试集: test_WER44.json
• WER54配置:
  • 测试集: test_WER54.json

搜集汇总

背景与挑战

背景概述

该数据集是一个用于问答任务的英语文本数据集，规模在10K到100K之间，主要研究语音识别错误对听力理解的影响。数据集包含53,164行数据，与2018年发表的论文相关联。