qcri/wiki_qa_ar

该数据集是阿拉伯语版本的WikiQA数据集，主要用于开放域问答任务。数据集通过自动机器翻译生成，并通过众包方式选择最佳翻译结果。每个数据点包含问题、答案以及答案是否正确（标签为1或0）等信息。数据集未进行分割，但提供了训练、验证和测试集的具体数据量。

This is a monolingual Arabic question-answering dataset created through machine translation and crowdsourcing for open-domain question-answering tasks. The dataset contains questions and answers, along with a label indicating whether the answer is correct or not. The dataset is divided into training, validation, and test sets.

原始信息汇总

数据集概述

基本信息

• 数据集名称: English-Arabic Wikipedia Question-Answering
• 语言: 阿拉伯语
• 许可: 未知
• 多语言性: 单语种
• 数据集大小: 100K<n<1M
• 源数据集: 原始数据
• 任务类别: 问答
• 任务ID: 开放领域问答
• Papers with Code ID: wikiqaar

数据集结构

特征

• question_id: 问题ID，类型为字符串。
• question: 问题文本，类型为字符串。
• document_id: 维基百科文档ID，类型为字符串。
• answer_id: 答案ID，类型为字符串。
• answer: 候选答案，类型为字符串。
• label: 标签，1表示答案正确，0表示答案不正确，类型为类别标签。

数据分割

• 训练集: 70,264个样本
• 验证集: 10,387个样本
• 测试集: 20,632个样本

数据集创建

数据来源

• 数据集是通过自动机器翻译和众包选择最佳翻译版本创建的。

注释

• 数据集不包含额外的注释。

使用注意事项

• 数据集的许可信息未知。
• 数据集的创建和注释过程未详细说明。

引用信息

@InProceedings{YangYihMeek:EMNLP2015:WikiQA, author = {{Yi}, Yang and {Wen-tau}, Yih and {Christopher} Meek}, title = "{WikiQA: A Challenge Dataset for Open-Domain Question Answering}", journal = {Association for Computational Linguistics}, year = 2015, doi = {10.18653/v1/D15-1237}, pages = {2013–2018}, }