KBQA-问答数据集-2016：WebQSP

已于 2023-10-27 23:26:30 修改
阅读量626 收藏
点赞数
分类专栏： 数据集 文章标签： 人工智能 深度学习 计算机视觉
于 2022-08-30 09:55:26 首次发布
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/u013250861/article/details/126520312
版权

《原始论文：The value of semantic parse labeling for knowledge base question answering》
《数据集：WebQSP》

WebQSP(WebQuestionsSP) 目标知识库是Freebase。该数据集可用在Question Answering，Semantic Parsing和Entity Linking任务。

该数据集包含四个文件：WebQSP.[test|train].[partial|_].json. 其中，train/test 划分跟WebQuestions中的一样。训练集和测试集被另外分割成主数据集(WebQSP.train.json, WebQSP.test.json)和额外的“部分”问题(即有效的解析无法表示，或问题本身是坏的或需要一个描述性的回答)。

参考资料：
KBQA 常用的问答数据集之 WebQSP

u013250861
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
WebQuestionsSP数据集
02-28
WebQuestions Semantic Parses Dataset The WebQuestionsSP dataset is released as part of our ACL-2016 paper “The Value of Semantic Parse Labeling for Knowledge Base Question Answering” [Yih, Richardson, Meek, Chang & Suh, 2016], in which we evaluated the value of gathering semantic parses, vs. answers, for a set of questions that originally comes from WebQuestions [Berant et al., 2013].
KBQA 常用的问答数据集之 WebQSP
lft_happiness的博客
03-03 5325
KBQA 常用的数据集之WebQSP(WebQuestionsSP)
WebQuestions WebQSP Relation Detection Task 数据集
03-08
数据格式： one_good_relation \t several_negative_relations_pool \t question
WebQuestions 数据集
03-02
main/ has the dataset splits as distributed. d-dump/ has question dumps from YodaQA. d-freebase/ has mappings from question to single Freebase key, as distributed with the original WebQuestions dataset. d-freebase-mids/ has Freebase mids for each concept in each question, based on YodaQA entity linking results from d-dump. d-freebase-rp/ has extra custom-computed Freebase relation paths. d-freebase-brp/ has extra custom-computed branched Freebase relation paths (superset of d-freebase-rp). d-entities/ has entity occurences detected in question texts (generated by Yao et al. for Jacana). t-movies/ has question sub-splits pertaining to the movies topic.
webQuestions数据集
10-30
webQuestions数据集，基于知识图谱的问答系统标准数据集。
KBQA 常用的问答数据集之WebQuestions
lft_happiness的博客
03-19 2030
数据统计 total 5,810 train 3,778 test 2,032 模型性能比较 各模型在数据集WebQuestions上的表现 模型(年份) prec Rec F1 论文 代码链接 GraphParser(2014) 41.9 37.0 39.3 Large-scale Semantic Parsing without Question-Answer Pairs Downloads
KBQA 常用数据集之 ComplexWebQuestions
lft_happiness的博客
02-24 1754
目录 1. 论文相关 2. 数据集概述 2.1 内容介绍 2.2 使用的知识库 2.3 数据统计 2.4 文件内容介绍 3. 模型性能比较 1. 论文相关 ComplexWebQuestions[Talmor and Berant 2018b] 源自论文：The Web as a Knowledge-base for Answering Complex Questions 数据集： 2. 数据集概述 2....
KBQA 常用的问答数据集之 GrailQA
lft_happiness的博客
03-15 2465
KBQA 数据集之常用数据集 GrailQA 论文相关 内容介绍 数据统计 模型间的性能对比
知识问答
liangwqi的博客
09-17 4037
目录  知识问答概述和相关数据集 问答系统历史 答题机器人 测评数据集  多语种问答 QALD的评测指标  WebQuestions  Free917  KBQA基本概念及挑战 知识问答简单流程和分类 ​ 基于符号表示(传统)的知识库问答 ​ 基于分布式表示(DL)的知识库问答 ​ 基本概念与术语 问答质量的评估原则 问答任务的复杂性 问答系统的基本组件 ...
论文笔记Improving Multi-hop Knowledge Base Question Answering by Learning Intermediate Supervision Signa
qq_40398918的博客
06-21 941
引用格式：[1]He G, Lan Y, Jiang J, et al. Improving multi-hop knowledge base question answering by learning intermediate supervision signals[C]//Proceedings of the 14th ACM International Conference on Web Search and Data Mining. 2021: 553-561.源码：RichardHGL/WSDM
英文对话数据集总结
小白之比白更白的博客
07-20 3331
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
知识图谱问答（KBQA）数据集介绍
Norstc的博客
06-27 1755
一、WebQuestions 提出该数据集的论文：Semantic Parsing on Freebase from Question-Answer Pairs 数据集地址：https://worksheets.codalab.org/worksheets/0xba659fe363cb46e7a505c5b6a774dc8a WebQuestions数据集（2013年提出）是由斯坦福大学研究人员通过Google Suggest API构建得到的，数据集本身共包含5810条（问题，答案）对，其中简单问题
开放域问答论文-Generator-Retriever-Generator: A Novel Approach to Open-domain Question Answering
qq_40671063的博客
08-17 344
开放域问答（QA）任务通常需要从大型语料库中检索相关信息以生成准确的答案。我们提出了一种称为生成器-检索器-生成器（GRG）的新颖方法，它将文档检索技术与大型语言模型（LLM）相结合，首先提示模型根据给定问题生成上下文文档。同时，双编码器网络从外部语料库中检索与问题相关的文档。然后，生成和检索的文档将传递给第二个LLM，后者生成最终答案。通过结合文档检索和 LLM 生成，我们的方法解决了开放域 QA 的挑战，例如生成信息丰富且上下文相关的答案。
知识增强语言模型提示 零样本知识图谱问答10.8+10.11
最新发布
RM_Jin的博客
10-08 1343
大型语言模型（LLM）能够执行零样本closed-book问答任务，依靠其在预训练期间存储在参数中的内部知识。然而，这种内部化的知识可能是不足和错误的，这可能导致LLM生成错误的答案。此外，对LLM进行微调以更新其知识是昂贵的。为此，本文提议直接在LLM的输入中增加知识。具体而言，首先根据问题与相关事实之间的语义相似性从知识图谱中检索与输入问题相关的事实。然后，将检索到的事实以提示的形式前置到输入问题之前，然后将其转发给LLM生成答案。
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
EmbedKGQA论文简要解读
xhsun的博客
11-08 2685
KGQA与KGE 关于KGQA以及知识图谱嵌入的签简单介绍可以看之前的两篇博客： KGQA概览 知识图谱嵌入简单介绍 这篇论文就是结合知识图谱嵌入（KGE）来进行多跳知识问答 EmbedKGQA 论文源代码 MetaQA数据 实验数据集是MetaQA数据集，该数据集是基于电影知识图谱的电影问答。下载链接 提供的KG 我们需要提供的KG，因为我们要预先训练KG中每一个实体的embedding。KG如下： 比如，用ComplEx这个KGE模型训练MetaQA知识图谱得到的结果： 提供的QA数据 提供的
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