mygitphase/boolq_indic

Indic BoolQ数据集是一个多语言版本的BoolQ（布尔问题）数据集，从英语翻译成10种印度语言。这是一个用于是/否问题的问答数据集，包含约12k自然产生的问题。数据集覆盖的语言包括：孟加拉语（bn）、古吉拉特语（gu）、印地语（hi）、卡纳达语（kn）、马拉地语（mr）、马拉雅拉姆语（ml）、奥里亚语（or）、旁遮普语（pa）、泰米尔语（ta）和泰卢固语（te）。每个示例包含：question（目标语言中的是/否问题）、passage（提供问题背景的段落）、answer（是/否）、label（1表示是，0表示否）和language（ISO 639-1语言代码）。数据集总计约140k个示例，分割大小与原始BoolQ数据集匹配：训练集每种语言9,427个示例，验证集每种语言3,270个示例。

Indic BoolQ Dataset is a multilingual version of the BoolQ (Boolean Questions) dataset, translated from English into 10 Indian languages. It is a question-answering dataset for yes/no questions containing ~12k naturally occurring questions. The dataset includes translations in the following languages: Bengali (bn), Gujarati (gu), Hindi (hi), Kannada (kn), Marathi (mr), Malayalam (ml), Oriya (or), Punjabi (pa), Tamil (ta), and Telugu (te). Each example contains: question (a yes/no question in the target language), passage (a passage providing context for the question), answer (Yes/No), label (1 for yes and 0 for no), and language (ISO 639-1 language code). The total number of examples is ~140k, with split sizes matching the original BoolQ dataset: Training: 9,427 examples per language, Validation: 3,270 examples per language.