ConvQuestions+CONVERX

下载ConvQuestions

训练集（6720次对话） 开发集（2240个对话） 测试集（2240个对话）ConvQuestions基准根据Creative Commons Attribution 4.0国际许可.

ConvQuestions中的对话是什么样的？

ConvQuestions是如何创建的？

Conv问题是第一个在知识图上进行对话式问答的现实基准。它包含11200个对话，可以通过Wikidata进行评估。它们是根据70的输入进行编译的掌握众工在Amazon Mechanical Turk上，有来自五个领域的对话：书籍、电影、足球、音乐和电视剧。这些问题具有多种复杂的问题现象，如比较、聚合、组合和时间推理。答案基于Wikidata实体，以实现不同方法之间的公平比较。数据收集设置尽可能保持自然，注释者从五个域中的每个域中选择自己选择的实体，并在一个会话中形成整个对话。对话中的所有问题都来自同一个特克，他也为这些问题提供了黄金答案。对于知识图的适用性，问题被限制为客观或事实性的，但没有设置其他限制性准则。ConvQuestions的一个显著特性是，有几个问题无法单独由Wikidata回答（截至2019年9月），但所需的事实可以在开放网络或维基百科中找到。有关详细信息，请参阅我们的CIKM 2019全文.

CONVERX：一种基线方法

我们还提供凸面的，一种无监督的方法，可以通过使用迄今为止看到的实体和谓词来维护对话上下文，并自动推断出后续问题的缺失或歧义部分，从而在知识图（在我们的案例中是Wikidata）上回答不完整的问题。我们的方法的核心是一个图形探索算法，它明智地扩展了一个边界，以找到当前问题的候选答案。请再次参考纸张了解详细信息。

---

到CONVERX代码的GitHub链接 直接下载CONVERX代码

联系人

有关反馈和澄清，请联系：菲利普·克里斯特曼（在mpi HYPHEN inf DOT mpg DOT de的圣诞节），里希拉吉·萨哈·罗伊（rishiraj AT mpi HYPHEN inf DOT mpg DOT de）或格哈德·威库姆（威库姆在mpi HYPHEN inf DOT mpg DOT de）。

要了解我们团队的更多信息，请访问https://www.mpi-inf.mpg.de/departments/databases-and-information-systems/research/question-answering/.