it-at-m/LHM-Dienstleistungen-QA

LHM-Dienstleistungen-QA是一个基于慕尼黑市政府服务信息的德语公共领域问答数据集。数据集的结构受到GermanQuAD的启发，包含了从申请身份证到处理垃圾等各种城市服务的信息。数据集由应用人工智能研究所、BettercallPaul GmbH和慕尼黑市政府的成员共同注释。数据集统计信息包括最短问题、平均问题和最长问题的字符数，以及不同句子开头的分布情况。使用该数据集训练的模型包括QA和DPR模型。LHM-Dienstleistungen-QA is a German-language public-domain question answering (QA) dataset based on service information from the Munich Municipal Government. The structure of this dataset is inspired by GermanQuAD, covering a wide range of municipal service topics ranging from applying for identity cards to waste disposal. It was jointly annotated by teams from the Institute of Applied Artificial Intelligence, BettercallPaul GmbH, and staff members of the Munich Municipal Government. Statistical details of the dataset include the character counts of the shortest, average, and longest questions, as well as the distribution of different sentence openings across all questions. Models trained using this dataset include both QA and DPR models.

原始信息汇总

LHM-Dienstleistungen-QA 数据集概述

数据集信息

• 许可证: MIT
• 语言: 德语
• 标签: QA

特征

• id: 字符串类型
• title: 字符串类型
• context: 字符串类型
• question: 字符串类型
• answers: 结构体类型
  • answer_start: 整数序列
  • text: 字符串序列

数据分割

• test:
  • 字节数: 560403
  • 样本数: 357
• train:
  • 字节数: 2826731
  • 样本数: 1773

数据集大小

• 下载大小: 710027 字节
• 数据集大小: 3387134 字节

任务类别

• 问答 (question-answering)

数据集名称

• LHM Dienstleistungen: QA

数据集规模

• 1K<n<10K

数据来源

• 文本来自慕尼黑市政府的“Dienstleistungsfinder”服务。
• 信息范围从申请身份证到处理垃圾。

数据集统计

• 最短问题: 13 个字符
• 平均问题: 68 个字符
• 最长问题: 183 个字符

模型训练

• QA: cgutknecht/gelectra_large_gsqd-gq-LHM
• DPR:
  • schreon/xnext-lhm_queries_encoder
  • schreon/xnext-lhm_passages_encoder