/CNSD

中文自然语言推理数据集(A large-scale Chinese Nature language inference and Semantic similarity calculation Dataset)

CNSD

中文自然语言推理数据集(A large-scale Chinese Nature language inference and Semantic similarity calculation Dataset) 本数据及通过翻译加部分人工修正的方法,从英文原数据集生成,可以一定程度缓解中文自然语言推理和语义相似度计算数据集不够的问题。

News

  • 2020.01.13 正式中文版Squad-zen现已更新访问链接

  • 2019.12.01本数据集CMNLI 已被CLUE 收录,详情请参考 CLUE 自然语言推理任务 Chinese Multi-Genre NLI。训练集与本数据集保持一致,dev和test有所改变

论文地址(PrePrint)

arxiv 没有人邀请,只有野路子open了给大家参考下下0.0

A large-scale Chinese Nature language inference and Semantic similarity calculation Dataset

下载链接

数据规模

Train Dev Test Sum
Chinese-SNLI 550k 10k 10k 570k
Chinese-MNLI 390k 12k 13k 415k
Chinese-QQP 390k 8k 800k (without label) 1.1m
Chinese-STS-B 5.7k 1.5k 1.3k 8.5k
Total 1.3m 31.5k 824.3k 2.1m

数据格式

  • Chinese-SNLI & Chinese-MNLI { "sentence1": "你敢不敢像拉斯柯尔尼科夫那样,勇于面对现实,拒绝那些管理小人物的琐碎规则?", "sentence2": "你会站起来揭发镇上所有的邪恶领主吗?", "gold_label": "neutral" }

实验结果

Model Chinese-SNLI Chinese-SNLI Chinese-MNLI Chinese-MNLI Chinese-QQP Chinese-STS-B Chinese-STS-B
Dev Test Mismatched Matched Dev Dev Test
Embed+add-attention 74.46 75.05 63.28 62.25 72.56 - -
BiLSTM+self-attention 81.19 80.96 69.47 67.79 81.45 43.87 41.24
DiSAN 81.32 81.45 69.54 68.13 82.32 44.21 42.09
BERT 87.39 86.95 79.76 79.39 89.08* 53.84 50.26

参考

A large annotated corpus for learning natural language inference

A Broad-Coverage Challenge Corpus for Sentence Understanding through Inference

成员

Amazonhhh

Pluto

致谢

感谢腾讯云提供翻译服务

声明

本数据集只能用于学术研究,请勿用作商业