MKQA 是由 Apple 于 2020 年发布的一个多语言开放域问答基准数据集，相关论文成果为「MKQA: A Linguistically Diverse Benchmark for Multilingual Open Domain Question Answering」，旨在评估跨语言知识问答模型的性能。

该数据集包含 37,000 多个自然语言问答对，涵盖 24 种语言。 数据源自 Natural Questions 数据集，通过众包方式翻译和标注， 提供了查询及其在多语言环境下的答案，包括实体、长答案、短短语等多种类型。

数据集组成

• example_id: 样本唯一标识符，字符串类型。
• queries: 包含 24 种语言的查询文本，每种语言对应一个字符串字段（如 ar, da, de, en, es 等）。
• query: 原始英文查询文本，字符串类型。
• answers: 包含 24 种语言的答案列表，每种语言对应一个结构体，包含以下子字段：
• type: 答案类型，包括 entity（实体）、long_answer（长答案）、unanswerable（无法回答）、date（日期）、number（数字）、number_with_unit（带单位数字）、short_phrase（短短语）、binary（二元）。
• entity: 实体名称，字符串类型。
• text: 答案文本，字符串类型。
• aliases: 别名列表，字符串数组类型。

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}
}