BingCoronavirusQuerySet は、Microsoft が 2022年にリリース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、約31.7万件のサンプルで構成されています。これは、複数言語および単一言語環境におけるテキスト分類の研究に適しています。本データセットは、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を含み、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ます：

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

データは日付範囲に基づいて分割されており、例えば2020-09-01から2020-09-30までの期間のデータには、317,856件のトレーニングサンプルが含まれています。