问答数据集——LC-QuAD和LC-QuAD2.0

最新推荐文章于 2022-05-19 20:19:51 发布
最新推荐文章于 2022-05-19 20:19:51 发布
阅读量1.3k 收藏 1
点赞数 1
分类专栏： 智能问答 文章标签： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_38293297/article/details/105772047
版权

文章目录

LC-QuAD

Trivedi等人在 2017 年公布了一个针对 DBpedia 的复杂问题数据集，该数据集中简单的单跳问题占比 18%，典型的问句形式如：“What are the mascots of the teams participating in the turkish handball super league?”。

该数据集的构建，先利用一部分 SPARQL 模板，一些种子实体和部分关联属性通过 DBpedia 生成具体的 SPARQL，然后再利用定义好的问句模板半自动利用 SPARQL 生成问句，最后通过众包形成最后的标注问题。

1. 数据集生成流程

在这里插入图片描述

2. 数据集介绍

LC-QuAD数据集的概念由ISWC2017的一篇名为《LC-QuAD: A Corpus for Complex Question Answering over Knowledge Graphs》的论文提出。LC-QuAD是一个包含5000对问题及其相应的SPARQL查询的问答数据集。目标知识库是DBpedia-April,2016。

《How to Revert Question Answering on Knowledge Graphs》的作者是LC-QuAD的作者，本文主要讲述了LC-QuAD数据集的生成框架。可以理解为他们的另外一篇论文《AskNow》的逆过程。
在这里插入图片描述

LC-QuAD 2.0

Dubey 等人也使用与Trivedi等人 同样的方法，构建了一个数据量更大更多样的数据集 LcQuAD 2.0。

晴晴_Amanda
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
LC-QuAD:具有相应SPARQL查询的自然语言查询的数据集
05-05
液相色谱 大型复杂问答数据集 :loudspeaker: 公告：LCQUAD 2.0现在已经发布，请访问我们的网站 。 下载 :hatching_chick: ，数据 链接 :globe_showing_Europe-Africa: | :page_facing_up: | :office_building: 介绍 我们发布并维护一个黄金标准的KBQA（知识库问答）数据集，其中包含5000个Question和SPARQL查询。 LC-QuAD使用作为目标KB。 用法 许可证：您可以下载数据集（随），或阅读以下内容以了解更多信息。 版本控制：我们使用作为目标知识库。 公共DBpedia端点（ http://dbpedia.org/sparql ）不再使用此版本，这可能导致许多SPARQL查询无法检索任何答案。 我们强烈建议在本地托管此版本。 为此，请参阅本指南 拆分：我们将数据集拆分为training ，并以80:20的方式进行测试。 格式：数据集以JSON转储形式发布，其中corrected_question键包含问题， query包含相应的S
知识库问答常用数据集
qq_38100666的博客
07-07 1221
本文总结一些知识库问答常用数据集，主要包括常见复杂KBQA数据库。
LCQuAD2.0-问题数据集生成-论文阅读笔记
qq_32734639的博客
09-17 480
前导 本数据集的主要借助了亚马逊的众包平台，因此在理解本文之前，推荐去了解一下AmazonMechanical Turk workflow 目标 生成大规模的问题，并且需要保证使用大规模的sqarql模板产生的不同种类的问题需要与人类语言习惯保持一致。 Amazon Mechanical Turk (AMT) was used for generating the natural language questions from the system generated templates. 第二个目标
论文浅尝 | 为基于知识库的问答构建形式查询生成
开放知识图谱
03-08 662
论文笔记整理：刘晓臻，东南大学计算机科学与工程学院本科生。Citation: H.Zafar, G. Napolitano, and J. Lehmann. Formal...
英文对话数据集总结
小白之比白更白的博客
07-20 3029
本篇文章将按照论文里面提到的数据库进行整理。 常识知识库（辅助信息） 链接：https://conceptnet.io 它不仅包含了诸如“巴黎是法国的首都”这样不断真实的世界事实，还包含了作为日常知识一部分的常见概念之间的非正式关系，例如“狗是宠物”。这个特性在我们的实验中是理想的，因为在开放域对话环境中，识别共同概念之间的非正式关系的能力是必要的。为了简单起见，我们删除了包含多词实体的三元组，保留了120，850个三元组，包含21，471个实体和44个关系。 对话知识库 原网站链接：https://ww
KBQA 常用的问答数据集之 LC-QuAD
lft_happiness的博客
03-20 750
KBQA 常用的问答数据集之 LC-QuAD 数据集下载 各模型在数据集LC-QuAD上的表现
论文浅尝 | 改善多语言KGQA的 Zero-shot 跨语言转换
开放知识图谱
02-26 807
笔记整理：谭亦鸣, 东南大学博士生来源：NAACL'21链接：https://aclanthology.org/2021.naacl-main.465/概述为了扩展多语言知识图谱问答的应用...
Message Passing for Complex Question Answering over Knowledge Graphs
qq_42388742的博客
06-03 385
知识图谱上复杂问题回答的消息传递 这篇文章还是没怎么看懂，看到很多NLP的基础不是很理解，这篇论文在实验部分写的感觉还是很精彩的 原作者的github: https://github.com/svakulenk0/KBQA 0 Abstract 知识图谱问答(KBQA)已经从简单的单事实问题发展到需要图遍历和聚合的复杂问题。提出一种无监督解析输入问题并将知识图中的术语与一组可能的答案相匹配来传播置信度得分。 提取实体、关系和类名，并将它们映射到图中的对应项。 然后，这些映射的置信度得分通过图结构传播，以
【论文】知识图谱简单问答(单跳)挑战、技术和趋势综述
锵锵锵锵蒋的博客
05-19 1121
文章目录Challenges, Techniques, and Trends of Simple Knowledge Graph Question Answering: A SurveyAbstract1 Introduction1.1. Motivation: Why Simple Questions?1.2. Related Surveys1.3. Aim of the Survey2 Methodology3 Result3.1 Terminology术语3.2. Tasks and Challeng
SPARQL QUERY GENERATION FOR COMPLEX QUESTION ANSWERING WITH BERT AND BILSTM-BASED MODE |论文笔记
qq_32734639的博客
03-31 528
使用基于BERT和bilstm的模式生成复杂问题回答的SPARQL查询 Abstrat 本文描述了一种基于维基数据知识库的复杂问题的问答系统。 该系统包括模型，模型定义了与问题对应的SPARQL查询模板，然后用实体、关系和数值填充模板中的槽位 对于实体检测，我们使用基于bert的序列标记模型。候选关系排序分两步进行，基于BiLSTM模型和基于bert模型的。该系统能够回答包括比较和布尔答案的问题。 Introduction 复杂问题需要匹配多个三元组，并且有逻辑的，定凉的和比较推理的知识图。复杂问题回答的
问答网站问题、回答数量预测中的数据集
11-12
问答网站问题、回答数量预测中的数据集
文本匹配、搜搜问搭、电商搜索问答的数据集 60w数据量 自然语言处理 做实验 发论文数据集
04-19
文本匹配、搜搜问搭、电商搜索问答的数据集 60w文本匹配、搜搜问搭、电商搜索问答的数据集 60w文本匹配、搜搜问搭、电商搜索问答的数据集 60w文本匹配、搜搜问搭、电商搜索问答的数据集 60w文本匹配、搜搜问搭、电商搜索问答的数据集 60w文本匹配、搜搜问搭、电商搜索问答的数据集 60w文本匹配、搜搜问搭、电商搜索问答的数据集 60w文本匹配、搜搜问搭、电商搜索问答的数据集 60w文本匹配、搜搜问搭、电商搜索问答的数据集 60w文本匹配、搜搜问搭、电商搜索问答的数据集 60w文本匹配、搜搜问搭、电商搜索问答的数据集 60w文本匹配、搜搜问搭、电商搜索问答的数据集 60w文本匹配、搜搜问搭、电商搜索问答的数据集 60w文本匹配、搜搜问搭、电商搜索问答的数据集 60w文本匹配、搜搜问搭、电商搜索问答的数据集 60w文本匹配、搜搜问搭、电商搜索问答的数据集 60w文本匹配、搜搜问搭、电商搜索问答的数据集 60w文本匹配、搜搜问搭、电商搜索问答的数据集 60w文本匹配、搜搜问搭、电商搜索问答的数据集 60w文本匹配、搜搜问搭、电商搜索问答的数据集 60w文本匹配、搜搜问搭、电商搜索问答的数据集
QuadTree 2.0 C++
02-18
为QuadTree的第二个版本，与第一个版本的主要区别为该版本中的叶子可以包含多个数据点，从而避免了内存的搞消耗。详细实验结果见：http://blog.csdn.net/woniu317/article/details/19424587
TMS570LC4357-数据手册
最新发布
01-10
TMS570LC4357-数据手册
lc-数据集
03-25
Lending Club
LC-3 Editor和LC-3 Simulator
04-23
1.LC-3 Editor :代码编辑和编译，支持二进制机器码程序、16进制机器码程序以及汇编语言作为程序输入并编译成可执行的目标文件代码（.obj）。 2. LC-3 Simulator ：程序运行的仿真环境。可仿真执行目标文件代码，...
LC-MS原理及简介
07-17
LC-MS原理及简介，LC-MS原理及简介课件，LC-MS原理及简介PPT
针对复杂问题的知识图谱问答最新进展
Paper weekly
04-20 4957
作者｜付彬、唐呈光、李杨、余海洋、孙建单位｜阿里巴巴达摩院小蜜ConversationalAI团队背景介绍知识图谱问答（KBQA）利用图谱丰富的语义关联信息，能够深入理解用户问题并给出...
问答数据集（自用，持更）
热门推荐
weixin_44125942的博客
12-01 1万+
1、Quora 问题对数据集： 判断两个问题是不是同一个意思（通用） 综述： https://blog.csdn.net/studyvcmfc/article/details/107941583?utm_medium=distribute.pc_relevant.none-task-blog-2defaultbaidujs_title~default-1.no_search_link&spm=1001.2101.3001.4242.2 2、医药问答数据集： https://gitee.com/wan
lc-ms 代谢组学原始数据分析
05-15
LC-MS代谢组学是一种广泛应用的技术，用于检测生物体内代谢物的种类和数量，可发现新型生物...总体来说，原始数据分析是LC-MS代谢组学研究过程中必不可少的环节，它为后续的数据挖掘和生物信息学分析提供了坚实的基础。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值