问答类型 | 数据集 | 语言 | 问题 数量 | 文章 数量 | 问题来源 | 文章来源 | 网址 |
抽取型 | TriviaQA [11] | 英文 | 4万 | 66万 | 搜索日志 | 百科、网络文本 | http://nlp.cs.washington.edu/triviaqa/ |
NewsQA [12] | 英文 | 10万 | 1万 | 众包 | 新闻 | https://datasets.maluuba.com/NewsQA | |
SQuAD [10] | 英文 | 10万 | 536 | 众包 | 百科 | https://rajpurkar.github.io/SQuAD-explorer/ | |
SearchQA [13] | 英文 | 14万 | 6902万 | 搜索日志 | 网络文本 | https://github.com/nyu-dl/SearchQA | |
DRCD [14] | 中文 | 3万 | 1万 | 众包 | 百科 | https://github.com/DRCKnowledgeTeam/DRCD | |
CMRC 2018 [15] | 中文 | 2万 | 3507 | 众包 | 百科 | https://hfl-rc.github.io/cmrc2018/ | |
CJRC [16] | 中文 | 5万 | 1万 | 人工合成 | 裁判文书 | http://cail.cipsc.org.cn/ | |
多项选择 | RACE [17] | 英文 | 87万 | 5万 | 英语考试 | 英语考试 | http://www.cs.cmu.edu/glai1/data/race/ |
MCTest [6] | 英文 | 2000 | 500 | 众包 | 虚假故事 | http://research.microsoft.com/mct | |
完形填空 | CNN/Daily Mail [3] | 英文 | 140万 | 30万 | 人工合成 | 新闻 | https://cs.nyu.edu/~kcho/DMQA/ |
CBT [18] | 英文 | 68万 | 108 | 人工合成 | 儿童读物 | http://fb.ai/babi/ | |
HLF-RC [19] | 中文 | 10万 | 2.8万 | 人工合成 | 新闻、儿童故事 | https://github.com/ymcui/Chinese-Cloze-RC | |
生成型 | NarrativeQA [20] | 英文 | 4.6万 | 1500 | 众包 | 书籍、电影 | http://deepmind.com/publications |
MSMARCO [21] | 英文 | 10万 | 20万 | 搜索日志 | 网络文本 | http://www.msmarco.org | |
DuReader [22] | 中文 | 20万 | 100万 | 搜索日志 | 网络文本 | http://ai.baidu.com/broad/download?dataset=dureader | |
多跳推理 | HotpotQA [23] | 英文 | 11.3万 | - | 众包 | 百科 | https://HotpotQA.github.io |