-
数据集简介：
百度知道领域的中文问题匹配数据集，目的是为了解决在中文领域大规模问题匹配数据集的缺失。该数据集从百度知道不同领域的用户问题中抽取构建出260068对数据，其中238766对作为训练集、8802对作为验证集以及12500对作为测试集。
-
数据集详情：
名称 规模 创建日期 作者 单位 论文 下载 评测 LCQMC 26万文本数据 2018年 Xin Liu et al. 哈工大 链接 链接 N/A -
基于该数据集发表的相关论文：
- Xin Liu, Qingcai Chen, Chong Deng et al. 2018, Aug. LCQMC:A Large-scale Chinese Question Matching Corpus. In Proceedings of the 27th International Conference on Computational Linguistics.
-
数据集简介：
银行金融领域的问题匹配数据，包括了从一年的线上银行系统日志里抽取的12万问题pair对，是目前最大的银行领域问题匹配数据。
-
数据集详情：
名称 规模 创建日期 作者 单位 论文 下载 评测 BQ Corpus 12万文本数据 2018年 Jing Chen et al. 哈工大 & WeBank 链接 链接 N/A -
基于该数据集发表的相关论文：
- Jing Chen, Qingcai Chen, Xin Liu et al. 2018, Oct. The BQ Corpus: A Large-scale Domain-specific Chinese Corpus For Sentence Semantic Equivalence Identification. In Proceedings of the 2018 Conference on Empirical Methods in Natural Language Processing.
-
数据集简介：
谷歌发布的包含 7 种语言释义对的数据集，即：PAWS（英语） 与 PAWS-X（多语），其中中文训练集49401对，开发集2000对，测试集2000对。数据集里包含了释义对和非释义对，即识别一对句子是否具有相同的释义（含义），特点是具有高度重叠词汇，对于进一步提升模型对于强负例的判断很有帮助。
-
数据集详情：
名称 规模 创建日期 作者 单位 论文 下载 评测 PAWS-X（中文） 5.33万文本数据 2019年 Yinfei Yang et al. Google Research 链接 链接 N/A -
基于该数据集发表的相关论文：
- Yinfei Yang, Yuan Zhang, Chris Tar and Jason Baldridge, 2019, Aug. PAWS-X: A Cross-lingual Adversarial Dataset for Paraphrase Identification. In Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing.