query wellformedness

查詢格式良好的資料集

來自 Paralex 語料庫（Fader et al., 2013）的 25,100 個查詢，用人類評分來註釋它們是否是格式良好的自然語言問題。

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

描述

Google 的查詢格式良好資料集是透過眾包 Paralex 語料庫中 25,100 個查詢的格式良好註釋建立的。每個查詢均由 5 位評分者進行註釋，每位評分者對查詢是否格式良好進行 1/0 評分。有關更多詳細信息，請閱讀我們的論文：識別格式良好的自然語言問題

對於每個查詢，我們提供 5 個二元判斷的平均值作為查詢的格式良好性分數。以下是資料集中存在的一些查詢範例：

詢問	完好評級
希臘仍然實行哪一種形式的政府？	1.0
北美貓頭鷹的數量？	0.0
強尼戴普是凱爾特人球迷嗎？	0.8
羅爾德達爾青少年時期住在哪裡？	0.6

資料集分為三個檔案：train.tsv、dev.tsv 和 test.tsv，每個檔案都包含評級查詢。文件大小如下：

文件	查詢次數
火車.tsv	17,500
開發者tsv	3,750
測試.tsv	3,850 人

範例

每個文件中的範例均以製表符分隔，包含以下列：

柱子	內容
1	歐盟包括多少個？
2	0.2

參考

如果您在工作中使用或討論該資料集，請引用我們的論文：

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

執照

查詢格式良好的資料集已獲得 CC BY-SA 4.0 授權。任何第三方內容或數據均以「原樣」提供，沒有任何明示或暗示的保證。

接觸

如果您對資料集或出版物有技術問題，請在此儲存庫中建立問題。