自然语言处理NLP数据集dataset

1. 语义理解方面的：

1. MNLI： Multi-Genre Natural Language Inference。给定一组语句，预测下一个语句是上面一组语句的继续？还是矛盾？还是中立？
2. QQP：Quora Question Pairs is a binary classification task。二值分类，两个问题是不是语义上相同。
3. QNLI： Question Natural Language Inference is a version of the Stanford Question Answering Dataset。二值分类，positive包含正确的答案，negative没有包含正确答案。
4. SST-2 ：The Stanford Sentiment Treebank，二值单语句分类任务。
5. CoLA ：The Corpus of Linguistic Acceptability。判断一个英语句子在语言学上是否可以接受的。
6. STS-B ：The Semantic Textual Similarity Benchmark。判断两个句子在语义上是否相似，分数从1到5.
7. MRPC： Microsoft Research Paraphrase Corpus。判断两个句子在语义上是否相似。
8. RTE： Recognizing Textual Entailment，类似MNLI，但数据量较少。
9. WNLI: Winograd NLI is a small natural language inference dataset.

2.QA问答

Stanford Question Answering Dataset(SQuAD v1.1)

3.语句补充

Situations With Adversarial Generations(SWAG)：包括113k个语句对补充例子，用来评估常识推理。给定一个句子，任务是在4个选项中选择最合适的一个。

4.命名实体

dh_msra 数据集：5 万多条中文命名实体识别标注数据（包括地点、机构、人物）