運転ドメインQAデータセット †
運転ドメインQAデータセットは、ウェブ上で公開されている運転ドメインのブログ記事を基に構築しており、述語項構造QAデータセット（PAS-QAデータセット）と文章読解QAデータセット（RC-QAデータセット）から構成されています。PAS-QAデータセットは、ガ格、ヲ格及びニ格について省略されている項の先行詞を問う問題であり、ガ格は12,468問、ヲ格は3,151問、ニ格は1,069問作成しました。また、RC-QAデータセットは文章の中から質問に対する答えを抽出する問題であり、20,007問作成しました。これらのQAデータセットの作成には、大規模かつ短期間でデータセットを作成可能なクラウドソーシングを利用しました。QAデータセットの形式はSQuAD2.0と同じです。PAS-QAデータセットのガ格とRC-QAデータセットについては答えられない問題を含みませんが、PAS-QAデータセットのヲ格とニ格については答えられない問題を含みます。データセットの構築方法と答えられない問題の有無については、参考文献をご参照ください。以下は、運転ドメインQAデータセットの例です。
- PAS-QAデータセット
- Document :
私は右車線に移動した。バックミラーを見た。
- Question :
“見た”の主語は何か？
- Answer :
私
- RC-QAデータセット
- Document :
私の車の前をバイクにまたがった警察官が走っていた。
- Question :
警察官は何に乗っていた？
- Answer :
バイク
ダウンロード †
運転ドメインQAデータセット Version 1.0 (tar.gz圧縮; 4,292,525 bytes): ダウンロードページ
※ ダウンロードするには、お名前とメールアドレスを入力し、ダウンロード条件に同意していただく必要があります。
更新履歴 †
- Version 1.0 - 2019/10/31公開
参考文献 †
- 高橋 憲生、柴田 知秀、河原 大輔、黒橋 禎夫
ドメインを限定した機械読解モデルに基づく述語項構造解析
言語処理学会 第25回年次大会 発表論文集 (2019年3月)
https://www.anlp.jp/proceedings/annual_meeting/2019/pdf_dir/B1-4.pdf
※データセットの構築方法について記載
- Norio Takahashi, Tomohide Shibata, Daisuke Kawahara and Sadao Kurohashi.
Machine Comprehension Improves Domain-Specific Japanese Predicate-Argument Structure Analysis,
In Proceedings of 2019 Conference on Empirical Methods in Natural Language Processing and 9th International Joint Conference on Natural Language Processing, Workshop MRQA: Machine Reading for Question Answering, 2019.
https://mrqa.github.io/assets/papers/42_Paper.pdf
※データセットの構築方法、答えられない問題の有無について記載
問い合わせ先 †
本データセットに関するご意見、ご質問は nl-resource あっと nlp.ist.i.kyoto-u.ac.jp宛にお願いいたします。データセットに含まれるブログ記事への典拠情報の付与、ブログ記事の削除などをご希望の場合にもこのメールアドレスにご連絡をお願いします。
