有关数据集调研和介绍
目录
文本哈希
| 数据集 | ||
|---|---|---|
| 20Newsgroups | ||
基于文档的多轮问答
| 任务 | 数据集 | 描述 | 语言 |
|---|---|---|---|
| 对话式问答(Conversational Question Answering, CQA) | CoQA，CuQA等 | 基于给定文档的多轮问答，无需检索，短文。 | 英文 |
| CQA | OR-QuAC, MultiDoc2Dial等 | 基于多文档的多轮问答，需要检索，长文和多短文。 | 英文 |
| CQA | INSCIT | 面向信息检索的多轮多文档问答 | 英文 |
| CQA | 【CCL 2020】多轮对话问答数据采集平台 | 未公开，已发邮件，长文，3000字以内，CCL2020 | 中文 |
| 机器阅读理解（Machine Reading Comprehension, MRC） | ChineseSquad | 单轮机器阅读理解。 | 有一类做法是将数据集进行翻译为中文，本数据集便是从SQuAD翻译过来的中文数据集。 |
| MRC | CAIL大赛阅读理解数据集,DuReader | 前者是最高人民法院司改办指导举办的中国法律智能技术评测大赛（每年都有，2021年有阅读理解任务），后者是百度在2018年机器阅读理解大赛上构造的数据集。 | 中文 |
