README.md

metadata

language:
  - vi
license: apache-2.0
task_categories:
  - text-generation
  - question-answering
  - text-classification
dataset_info:
  features:
    - name: question
      dtype: string
    - name: answer
      dtype: string
    - name: context
      dtype: string
    - name: answer_start
      dtype: int64
    - name: index
      dtype: int64
  splits:
    - name: train
      num_bytes: 54889695
      num_examples: 48460
    - name: test
      num_bytes: 6061691
      num_examples: 5385
  download_size: 33576702
  dataset_size: 60951386
configs:
  - config_name: default
    data_files:
      - split: train
        path: data/train-*
      - split: test
        path: data/test-*
size_categories:
  - 10K<n<100K

Dataset Describe

This dataset is collected from internet sources, SQuAD dataset, wiki, etc. It has been translated into Vietnamese using "google translate" and word segmented using VnCoreNLP (https://github.com/vncorenlp/VnCoreNLP).

Data structure

Dataset includes the following columns:

• question: Question related to the content of the text.
• context: Paragraph of text.
• answer: The answer to the question is based on the content of the text.
• answer_start: The starting position of the answer in the text.

Example

question,context,answer,answer_start
"Lý do gì mà bạn yêu lập trình?","Tôi yêu lập trình vì nó giúp tôi sáng tạo và giải quyết vấn đề.","vì nó giúp tôi sáng tạo và giải quyết vấn đề.",21
"Thời tiết hôm nay như thế nào?","Hôm nay trời đẹp và mát mẻ.","Hôm nay trời đẹp",0
'''

### How to use