tianxiexiaozhu77 / 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**自然语言推理和语义相似度计算数据集不够的问题。

下载链接

• Chinese-SNLI：百度云链接 提取码：cjob
• Chinese-MNLI:百度云链接 提取码：txti
• Chinese-QQP：Quora Question Pairs 版权不明，暂不提供下载

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

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