"cqadupstack" 的数据集卡片

数据集概要

这是"cqadupstack"的经过预处理的版本，以便于使用huggingface方便地使用。原始数据集可以在 here 中找到。

CQADupStack是一个用于社区问答（cQA）研究的基准数据集。它包含来自十二个StackExchange1子论坛的主题，附带有重复问题信息的注释，并且具有预定义的训练、开发和测试拆分，用于检索和分类实验。

数据集结构

数据实例

'train'的一个示例如下。

{
    "question": "Very often, when some unknown company is calling me, in couple of seconds I see its name and logo on standard ...",
    "answer": "You didn't explicitely mention it, but from the context I assume you're using a device with Android 4.4 (Kitkat). With that ...",
    "title": "Why Dialer shows contact name and image, when contact is not in my address book?",
    "forum_tag": "android"
}

数据字段

所有拆分的数据字段是相同的。

• question：一个字符串特征。
• answer：一个字符串特征。
• title：一个字符串特征。
• forum_tag：一个分类字符串特征。

其他信息

许可信息

此数据集以Apache 2.0许可分发。