您尚未登录账户请先登录您的atyun账户，方可使用该功能
您的企业账号申请正在审核中审核通过后即可使用此功能，请耐心等待~
数据集:
cmrc2018
任务:
问答
子任务:
extractive-qa语言:
zh
计算机处理:
monolingual大小:
10K<n<100K语言创建人:
crowdsourced批注创建人:
crowdsourced源数据集:
original许可:
cc-by-sa-4.0
英文"cmrc2018" 数据集概览
数据集摘要
这是一个用于中文机器阅读理解的抽取式问题数据集，旨在为该领域添加语言多样性。该数据集由人工专家在维基百科段落上注释了近20,000个真实问题。我们还对一个挑战集进行了注释，其中包含需要全面理解和多句推理的问题。
支持的任务和排行榜
语言
数据集结构
数据实例
默认- 下载的数据集文件大小：11.50 MB
- 生成的数据集大小：22.31 MB
- 总磁盘使用量：33.83 MB
'验证'的一个示例如下所示。
This example was too long and was cropped:
{
"answers": {
"answer_start": [11, 11],
"text": ["光荣和ω-force", "光荣和ω-force"]
},
"context": "\"《战国无双3》（）是由光荣和ω-force开发的战国无双系列的正统第三续作。本作以三大故事为主轴，分别是以武田信玄等人为主的《关东三国志》，织田信长等人为主的《战国三杰》，石田三成等人为主的《关原的年轻武者》，丰富游戏内的剧情。此部份专门介绍角色，欲知武...",
"id": "DEV_0_QUERY_0",
"question": "《战国无双3》是由哪两个公司合作开发的？"
}
数据字段
数据字段在所有拆分中都是相同的。
默认- id：字符串特征。
- 上下文：字符串特征。
- 问题：字符串特征。
- 答案：包含以下内容的字典特征：
- 文本：字符串特征。
- 答案起始位置：int32特征。
数据拆分
| name | train | validation | test |
|---|---|---|---|
| default | 10142 | 3219 | 1002 |
数据集创建
策划理由
源数据
数据收集和规范化 资源语言的制作者是谁？注释
注释过程 注释者是谁？个人和敏感信息
使用数据的考虑因素
数据的社会影响
偏见讨论
其他已知限制
附加信息
数据集策划者
许可信息
引用信息
@inproceedings{cui-emnlp2019-cmrc2018,
title = "A Span-Extraction Dataset for {C}hinese Machine Reading Comprehension",
author = "Cui, Yiming and
Liu, Ting and
Che, Wanxiang and
Xiao, Li and
Chen, Zhipeng and
Ma, Wentao and
Wang, Shijin and
Hu, Guoping",
booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing and the 9th International Joint Conference on Natural Language Processing (EMNLP-IJCNLP)",
month = nov,
year = "2019",
address = "Hong Kong, China",
publisher = "Association for Computational Linguistics",
url = "https://www.aclweb.org/anthology/D19-1600",
doi = "10.18653/v1/D19-1600",
pages = "5886--5891",
}
贡献
感谢 @patrickvonplaten ， @mariamabarham ， @lewtun ， @thomwolf 添加了该数据集。