抽出型QAのデータセットJSQuadとJaQuADの回答を、チャットボットの回答のような形式に変換したデータです。
変換にはcyberagent/calm2-7b-chatを利用し、7-shotで生成を行いました。
生成パラメータや、出力したテキストのフィルタリング条件についてはprocess_jaquad_calm2.ipynb
を確認してください。
JSQuADの形式をそのまま利用し、answersのリスト要素のdictに"text_chat"キーを追加しました。
jsquad-train-chat.json
{
"data": [
{
"title": "造語",
"paragraphs": [
{
"qas": [
{
"question": "新たに語(単語)を造ることや、既存の語を組み合わせて新たな意味の語を造ること",
"id": "a1000888p0q0",
"answers": [
{
"text": "造語",
"answer_start": 0,
"text_chat": "新たに語(単語)を造ることは「造語」と呼ばれます。"
}
],
JSQuAD train-v1.1.json(元データ)
{
"data": [
{
"title": "造語",
"paragraphs": [
{
"qas": [
{
"question": "新たに語(単語)を造ることや、既存の語を組み合わせて新たな意味の語を造ること",
"id": "a1000888p0q0",
"answers": [
{
"text": "造語",
"answer_start": 0
}
],
データファイルはそれぞれ元のデータのライセンスに従います。
yahoojapan/JGLUE
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
SkelterLabsInc/JaQuAD
The JaQuAD dataset is licensed under the [CC BY-SA 3.0] (https://creativecommons.org/licenses/by-sa/3.0/) license.
TMPL = """
USER: 質問への回答をチャット形式に変換せよ
質問: 日本では改名には何の許可が必要ですか?
回答: 家庭裁判所
ASSISTANT: 日本では、改名するには家庭裁判所の許可が必要です。<|endoftext|>
USER: 質問への回答をチャット形式に変換せよ
質問: モーリシャスの信仰で最も多いのは
回答: ヒンドゥー教
ASSISTANT: モーリシャスで最も信仰されている宗教はヒンドゥー教です。<|endoftext|>
USER: 質問への回答をチャット形式に変換せよ
質問: 核反応を利用した電池を何と呼ぶ
回答: 「原子力電池」
ASSISTANT: 核反応を利用した電池は「原子力電池」と呼ばれます。<|endoftext|>
USER: 質問への回答をチャット形式に変換せよ
質問: カール・マルクスの妻イェニーが、亡くなったのはいつか。
回答: 1881年12月2日
ASSISTANT: イェニーは1881年12月2日に亡くなりました。<|endoftext|>
USER: 質問への回答をチャット形式に変換せよ
質問: 北京市、上海市、深圳市と共に何に分類されている?
回答: 一線都市
ASSISTANT: 北京市は、一線都市に分類されています。<|endoftext|>
USER: 質問への回答をチャット形式に変換せよ
質問: 武田薬品工業の取締役は何名か
回答: 13名
ASSISTANT: 取締役は13名で構成されています。<|endoftext|>
USER: 質問への回答をチャット形式に変換せよ
質問: 辺野古移設のための埋め立て工事に賛成何%?
回答: 18.99%
ASSISTANT: 18.99%の人が埋め立て工事に賛成しています。<|endoftext|>
USER: 質問への回答をチャット形式に変換せよ
質問: {q}
回答: {a}
ASSISTANT: """