人们关于 COVID-19 在问什么？一个问答分类数据集
计算与语言
2023-09-12 v3
摘要
我们提出 COVID-Q，一个包含来自 13 个来源的 1,690 个关于 COVID-19 的问题的集合，我们将其标注为 15 个 question 类别和 207 个 question 簇。我们数据集中最常见的问题询问了 COVID 的传播、预防和社会影响，并且我们发现许多出现在多个来源中的问题并未被 CDC 和 FDA 等知名组织的任何 FAQ 网站所回答。我们在 https://github.com/JerryWeiAI/COVID-Q 公开了我们的数据集。对于将问题分类到 15 个类别，一个 BERT 基线在每类 20 个样本上训练时取得了 58.1% 的准确率；对于一个 question 聚类任务，一个 BERT + triplet loss 基线达到了 49.5% 的准确率。我们希望 COVID-Q 既能直接用于开发应用系统，也能作为特定领域的资源用于模型评估。
引用
@article{arxiv.2005.12522,
title = {What Are People Asking About COVID-19? A Question Classification Dataset},
author = {Jerry Wei and Chengyu Huang and Soroush Vosoughi and Jason Wei},
journal= {arXiv preprint arXiv:2005.12522},
year = {2023}
}
备注
Published in Proceedings of the 1st Workshop on NLP for COVID-19 at ACL 2020