2015年Hermann 等創立的兩個非常棒的用於問答研究的數據集， 分別包含90k和197k個文檔，，每個文檔平均有4個問題。每個問題都是一個帶有一個缺失單詞/短語的句子，可以從隨附的文檔/上下文中找到。原作者熱心地發佈了腳本和附帶的文檔來生成數據集,但是並不太好用。紐約大學整理了數據集。我們又在該數據集基礎上利用斯坦福nlp實驗的分詞工具進一步加工。
CNN
該數據集包含來自CNN新聞文章的文檔和附帶的問題。 有大約90k文件和380k問題。 提供問題集合，它應該足以從原始論文中重現設置，以及'stories /'，這對於此數據集的其他用途非常有用。 我也提供原始的html文件，但我不能保證這些文件是完整
Daily Mail
此數據集包含每日郵報新聞文章中的文檔和隨附問題。 大約有197k文件和879k問題。 我正在提供'questions /'，它應該足以從原始論文中重現設置，以及'stories /'，這對於此數據集的其他用途非常有用。 我也提供原始的html文件，但我不能保證這些文件是完整的。
數據整理後百度網盤提供，或者私信