数据集概述
该数据集包含基于十二份不同机构（大学与银行）规范性文档的问答对，由十五名标注者手动生成一千七百六十七个问题。文档平均十四页，每页约十二点八个问题，每段一点一个问题，段落覆盖率约百分之三十三。问答对含文档标题、路径、问题及原文答案，部分问题提供优化版本，支持交互式问答系统测试。
文件详解
该数据集包含文档文件与数据文件两类，具体说明如下：
- 文档文件（位于documents/目录下）：
- 格式：PDF
- 内容：十二份原始规范性文档，如《布尔诺孟德尔大学学习规则》《麻省理工学院学期规定与考试政策》《汇丰银行个人信用额度条款与条件》等
- 数据文件（位于data/目录下）：
- 格式：CSV（以分号为分隔符，双引号转义字符串）
- 字段映射：
- document：文档名称
- category：答案所在文档的标题路径（从根目录到章节）
- question：问题内容（含原始版与标注"optimized"的优化版）
- long_answer：文档原文中的答案文本
- 示例文件：mendelu-study-regulations.pdf.csv、hsbc-terms.pdf.optimized.csv
适用场景
- 问答系统研发：用于训练和测试基于结构化文档的交互式问答模型
- 自然语言处理研究：探究规范性文档的语义理解与信息抽取技术
- 文档检索优化：分析结构化路径信息对问答效率的提升作用
- 教育与金融领域应用：开发针对大学规则、银行条款的智能问答工具
