MKQA هي مجموعة بيانات قياسية متعددة اللغات للأسئلة والأجوبة مفتوحة المجال، أصدرتها Apple في عام 2020، وتتعلق الورقة البحثية بها بـMKQA: A Linguistically Diverse Benchmark for Multilingual Open Domain Question Answering، وتهدف إلى تقييم أداء نماذج المعرفة والاستعلام عبر اللغات.

تحتوي مجموعة البيانات هذه على أكثر من 37,000 زوج من الأسئلة والأجوبة باللغة الطبيعية، وتغطي 24 لغة. تستند البيانات إلى مجموعة بيانات Natural Questions، وتمت ترجمتها ووضع علامات عليها عبر التعهيد الجماعي، وتوفر الاستعلامات وإجاباتها في بيئات متعددة اللغات، بما في ذلك أنواع متعددة مثل الكيانات والإجابات الطويلة والعبارات القصيرة.

مكونات مجموعة البيانات

• example_id: معرّف فريد للعينة، من نوع سلسلة نصية.
• queries: يحتوي على نصوص الاستعلامات بـ 24 لغة، حيث تتوافق كل لغة مع حقل سلسلة نصية (مثل ar، da، de، en، es وغيرها).
• query: نص الاستعلام الأصلي باللغة الإنجليزية، من نوع سلسلة نصية.
• answers: يحتوي على قوائم الإجابات بـ 24 لغة، حيث تتوافق كل لغة مع بنية تحتوي على الحقول الفرعية التالية:
• type: نوع الإجابة، ويتضمن entity (كيان)، long_answer (إجابة طويلة)، unanswerable (غير قابل للإجابة)، date (تاريخ)، number (رقم)، number_with_unit (رقم مع وحدة)، short_phrase (عبارة قصيرة)، binary (ثنائي).
• entity: اسم الكيان، من نوع سلسلة نصية.
• text: نص الإجابة، من نوع سلسلة نصية.
• aliases: قائمة الأسماء البديلة، من نوع مصفوفة سلاسل نصية.

Citation

@misc{mkqa,
    title = {MKQA: A Linguistically Diverse Benchmark for Multilingual Open Domain Question Answering},
    author = {Shayne Longpre and Yi Lu and Joachim Daiber},
    year = {2020},
    URL = {https://arxiv.org/pdf/2007.15207.pdf}
}