query wellformedness

查询格式良好的数据集

来自 Paralex 语料库（Fader et al., 2013）的 25,100 个查询，用人类评分来注释它们是否是格式良好的自然语言问题。

http://goo.gl/language/query-wellformedness

描述

Google 的查询格式良好数据集是通过众包 Paralex 语料库中 25,100 个查询的格式良好注释创建的。每个查询均由 5 位评分者进行注释，每个评分者对查询是否格式良好进行 1/0 评分。有关更多详细信息，请阅读我们的论文：识别格式良好的自然语言问题

对于每个查询，我们提供 5 个二元判断的平均值作为查询的格式良好性分数。以下是数据集中存在的一些查询示例：

询问	完好性评级
希腊仍然实行哪种形式的政府？	1.0
北美猫头鹰的数量？	0.0
约翰尼德普是凯尔特人球迷吗？	0.8
罗尔德·达尔青少年时期住在哪里？	0.6

数据集分为三个文件：train.tsv、dev.tsv 和 test.tsv，每个文件都包含评级查询。文件大小如下：

文件	查询次数
火车.tsv	17,500
开发者tsv	3,750
测试.tsv	3,850 人

示例

每个文件中的示例均以制表符分隔，包含以下列：

柱子	内容
1	欧盟包括多少个？
2	0.2

参考

如果您在工作中使用或讨论该数据集，请引用我们的论文：

 @InProceedings{FaruquiDas2018,
  title = {{Identifying Well-formed Natural Language Questions}},
  author = {Faruqui, Manaal and Das, Dipanjan},
  booktitle = {Proc. of EMNLP},
  year = {2018}
}

执照

查询格式良好的数据集已获得 CC BY-SA 4.0 许可。任何第三方内容或数据均“按原样”提供，没有任何明示或暗示的保证。

接触

如果您对数据集或出版物有技术问题，请在此存储库中创建问题。