## 关于数据集 - 数据集名称：SQuAD - 发布机构：斯坦福大学 Stanford University - 网址：https://rajpurkar.github.io/SQuAD-explorer/ - 大小：0.0341 GB - 简介：斯坦福问答数据集（The Stanford Question Answering Dataset，简称SQuAD）是一个阅读理解数据集，由群众工作者在维基百科文章中提出的问题组成，其中每个问题的答案是来自相应阅读段落的一段文本或跨度，共有500多篇文章中有10万多个问答配对。 斯坦福问答数据集（2.0版本）于2018年由斯坦福大学发布，相关论文为Know What You Don't Know: Unanswerable Questions for SQuAD。

Maluuba News QA 是一种用于机器阅读理解的数据集，其包含开发能够回答人类问题和推理问题的相关 算法 ，该数据集包含 12 万问答对，均基于人类自然语言编写。 Maluuba News QA 数据集由微软于 2016 年发布，相关论文有《NewsQA: A Machine Comprehension Dataset》。

MSMARCO 是机器阅读理解数据集，其包含的 1,010,916 个匿名问题均来自 Bing 的搜索查询日志，日志中均包含 AI 生成的答案和 182,669 条人为重写的答案，该数据集还包含从 3,563,535 个文档中提取的 8,841,823 个段落。 MSMARCO 数据集由微软于 2016 年发布，并在 2018 年更新，此外，该数据集拥有对应的排名比赛。

中文句子填空式机器阅读理解数据集 - CMRC2019.zip

CMU 公开的RACE数据集，原来是txt文件，不方便读取。这个版本是json数据集，做了简单的格式调整，python使用起来更方便。

MSMARCO 是机器阅读理解数据集，其包含的 1,010,916 个匿名问题均来自 Bing 的搜索查询日志，日志中均包含 AI 生成的答案和 182,669 条人为重写的答案，该数据集还包含从 3,563,535 个文档中提取的 8,841,823 个段落。 eval_v2.1_public.json dev_v2.1.json

机器阅读理解数据集(中文法研杯数据)这个数据集比较干净. 比起百度的DuReader数据集．　只有训练集．可以做相关研究．．．加油机油机油哇

2020法研杯阅读理解数据集.zip

这是从Qangaroo官方网站下载的。官网只公开训练集和测试集，验证集不公开。

squad-v1.1的数据集，包括训练集和开发集两个json文件。squad是机器阅读理解受众非常广的数据集，提供数据资源以进行实验。