Hybrid-SQuAD：混合学术问答数据集
计算与语言
2024-12-06 v2 人工智能
摘要
现有的学术问答（QA）方法通常针对单一数据源进行设计，仅依赖文本或知识图谱（KG）中的信息。然而，学术信息常常跨越异构数据源，迫切需要开发能够整合来自多个异构数据源的信息的 QA 系统。为此，我们引入了 Hybrid-SQuAD（Hybrid Scholarly Question Answering Dataset），这是一个新型大规模 QA 数据集，旨在促进包含文本和 KG 事实的问答。该数据集由 10.5K 条问答对组成，由大语言模型生成，利用 KG DBLP 和 SemOpenAlex 以及对应的 Wikipedia 文本。此外，我们提出了基于 RAG 的基线混合 QA 模型，在 Hybrid-SQuAD 测试集上实现了 69.65 的准确匹配得分。
引用
@article{arxiv.2412.02788,
title = {Hybrid-SQuAD: Hybrid Scholarly Question Answering Dataset},
author = {Tilahun Abedissa Taffa and Debayan Banerjee and Yaregal Assabie and Ricardo Usbeck},
journal= {arXiv preprint arXiv:2412.02788},
year = {2024}
}