CBT 数据集由文字段落和相应问题构建，问答数据均来自古腾堡项目免费提供的书籍，该数据集用于直接测量语言模型、更广泛的语言环境用于问答和仿真查找。 CBT 数据集由 Facebook 于 2016 年发布，主要发布人有 Felix Hill、Antoine Bordes、Sumit Chopra 和 Jason Weston，相关论文有《The Goldilocks Principle: Reading Children’s Books with Explicit Memory Representations》。

Standford Question Answering Dataset (SQuAD) is a reading comprehension dataset by Standford University and has two versions. 斯坦福问答数据集是由斯坦福大学创建的阅读理解数据集，有两个版本。 Know What You Don’t Know- Unanswerable Questions for SQuAD paper.pdf LUKE.pdf SQuAD1.1.pdf SQuAD_dev_datasets.zip SQuAD_train_datasets.zip SQuAD_datasets.txt

金融行业问答数据集.zip

Yahoo！Answers 数据集源于 Yahoo！Answers Comprehensive Questions and Answers 1.0 的 10 个主要分类数据，每个类别分别包含 140000 个训练样本和 5000 个测试样本。 test.csv classes.txt train.csv

CCSK2018-2019智能问答数据集.rar

美国知识问答网站 Quora 上的问题答案数据集，可用以进行重复问题检测。

队 为斯坦福问答数据集建立质量保证体系（ ） 请阅读此博客以获取详细信息： : 第一个文件create_emb.ipynb负责为训练数据集的Wikipedia文章中的所有句子和问题创建一个嵌入句子的字典。 第二个文件unsupervised.ipynb使用句子嵌入来计算句子和问题之间的距离，基于欧几里得和余弦相似度。 最后，它从距问题最短距离的每个段落中提取设置。 目前，它们的准确度分别为45％和63％。 最后一个文件将此问题视为监督学习问题，其中我拟合多项逻辑回归，随机森林和xgboost并创建20个特征-（2个特征代表一个句子的余弦距离和欧几里得。我将每个段落限制为10个句子）。 目标变量是具有正确答案的句子ID。 所以我有10个标签。 目前，这分别提供了63％，65％和69％的准确性。 未来工作：使用RNN获得确切答案

# Chinese medical dialogue data 中文医疗对话数据集 ### Data_数据中有6个文件夹分别是: >**** 94596个问答对 > **** 220606个问答对 **** 183751个问答对 **** 75553个问答对 **** 101602个问答对 **** 115991个问答对 总计 792099个问答对

中文医学问答数据集 数据集描述：中文医药方面的问答数据集，超过10万条。 数据说明:questions.csv：所有的问题及其内容。answers.csv ：所有问题的答案。 train_candidates.txt， dev_candidates.txt， test_candidates.txt ：将上述两个文件进行了拆分。

中文医药方面的问答数据集，超过10万条。数据说明:questions.csv：所有的问题及其内容。answers.csv ：所有问题的答案。 train_candidates.txt， dev_candidates.txt， test_candidates.txt ：将上述两个文件进行了拆分。