Bing Coronavirus Query Set は、Microsoft が 2022 年に公開した、意図認識に特化したデータセットです。

このデータセットには主に、検索クエリの ID、日付、クエリテキスト、暗黙的な意図の有無、国/地域、人気スコアなどのフィールドが含まれており、データ量は約 31.7 万件のサンプルで、多言語および単言語環境でのテキスト分類研究に適しています。 このデータセットには、Bing 検索エンジンから収集されたコロナウイルス関連の検索クエリデータが含まれており、自然言語処理における意図分類タスクをサポートすることを目的としています。

データセットの構成

このデータセットには主に以下のフィールドが含まれています：

• id：サンプルの一意の識別子
• Date：クエリの日付
• Query：検索クエリのテキスト
• IsImplicitIntent：暗黙的な意図の有無を示すフラグ
• Country：データが属する国または地域
• PopularityScore：クエリの人気スコア

データは日付範囲ごとに分割されており、例えば 2020-09-01 から 2020-09-30 までのデータには、317,856 件のトレーニングサンプルが含まれています。