数据集概述
本数据集是LC-QuAD 2.0的清洗版本，包含移除异常值和重复问题后的知识库问答数据，提供Wikidata和DBpedia 2018的虚拟SPARQL模板，以及论文使用的训练、开发、测试集，含带与不带复述问题的两个训练集，共四个JSON文件。
文件详解
- 训练集（无复述问题）
- 文件名称：training_without_paraphrased.json
- 文件格式：JSON
- 字段映射介绍：包含无复述问题的知识库问答训练数据，用于模型训练基础场景
- 开发集
- 文件名称：dev.json
- 文件格式：JSON
- 字段映射介绍：知识库问答模型开发过程中的验证数据，支持模型调优
- 测试集
- 文件名称：testing.json
- 文件格式：JSON
- 字段映射介绍：知识库问答模型性能评估的测试数据，用于验证模型泛化能力
- 训练集（带复述问题）
- 文件名称：training_with_paraphrased.json
- 文件格式：JSON
- 字段映射介绍：包含带复述问题的知识库问答训练数据，用于增强模型对不同表述问题的处理能力
数据来源
原始数据集LC-QuAD 2.0可通过http://lc-quad.sda.tech/获取
适用场景
- 知识库问答系统训练: 用于复杂知识库问答模型的训练与优化，支持自然语言到SPARQL查询的转换任务
- 复述问题处理研究: 对比带与不带复述问题的训练集效果，分析复述数据对模型性能的影响
- 模型泛化能力测试: 利用测试集评估问答模型在未见过数据上的泛化表现
- 语义模板适配研究: 基于提供的虚拟SPARQL模板，探索不同知识库（Wikidata、DBpedia）的适配方法
