安利两个数据集~

[Erutan-pku]

安利下NLPCC KBQA和DBQA评测的数据集，可以考虑用我之前做AAAI19的清洗预处理后的版本，是matching 任务，大概10K量级的问题，对应到matching pair大概100K量级。

我预处理后的数据见：

https://github.com/Erutan-pku/LCN-for-Chinese-QA/blob/master/data_prepare.sh

[Erutan-pku]

原始数据集的版权问题应该去问MSRA的段楠，不过既然已经release做公开评测了，应该问题不大。

[brightmart]

非常感谢。

我们有研究相关方面的同学会，我们去研究一下，看看可能性。

[juvien]

想问下 在自动文本摘要方面的任务会提上日程么 我看了下目测中文高质量的数据集很少啊

[brightmart]

自动文本摘要，能否举个例子？有什么英文数据集，让我们做生成的同学研究一下。

[juvien]

19年Google的T5 他们采用的是使用 CNN/Daily Mail dataset 来做text summarization 。目前此类中文的数据集很少，尤其是长文本的。

[enningxie]

NLPCC 2017 Task3 做中文文本摘要的，数据可下载。link

[MingleiLI]

NLPCC2013和NLPCC2014有emotion classification的数据集

[brightmart]

感谢感谢！

[gdragone1]

这个IP不对吧

[Erutan-pku]

这个IP不对吧

服务器挂了。。。暂时还没能挂上。。。 可以去msra官方repo中获取数据~ https://github.com/msra-nlc/ChineseKBQA https://github.com/msra-nlc/ChineseDBQA