谁做了什么：一个大规模以人物为中心的完形填空数据集
计算与语言
2016-08-22 v1
摘要
我们构建了一个新的“谁做了什么”（Who-did-What）数据集，包含超过200,000个从LDC English Gigaword新闻语料库构建的填空（cloze）多选阅读理解问题。WDW数据集具有多种新颖特征。首先，与CNN和Daily Mail数据集（Hermann等人，2015）不同，我们避免使用文章摘要来生成问题。相反，每个问题由两篇独立的文章构成——一篇作为待阅读段落给出，另一篇关于相同事件的文章用于生成问题。其次，我们避免匿名化——每个选择项都是一个人物命名实体。第三，这些问题经过筛选，去除了部分可被简单基线轻易解决的部分，而剩余84%可被人类解决。我们报告了标准系统的性能基准，并提议将WDW数据集作为社区的一项挑战任务。
引用
@article{arxiv.1608.05457,
title = {Who did What: A Large-Scale Person-Centered Cloze Dataset},
author = {Takeshi Onishi and Hai Wang and Mohit Bansal and Kevin Gimpel and David McAllester},
journal= {arXiv preprint arXiv:1608.05457},
year = {2016}
}
备注
To appear at EMNLP 2016. Our dataset is available at tticnlp.github.io/who_did_what