Init

.gitignore

@@ -0,0 +1,7 @@
+*.swp
+*.swo
+node_modules
+*.pyc
+__pycache__
+_env
+tmp

README.md

@@ -0,0 +1,91 @@
+# insuranceqa-corpus-zh
+保险行业语料库
+
+![](https://camo.githubusercontent.com/ae91a5698ad80d3fe8e0eb5a4c6ee7170e088a7d/687474703a2f2f37786b6571692e636f6d312e7a302e676c622e636c6f7564646e2e636f6d2f61692f53637265656e25323053686f74253230323031372d30342d30342532306174253230382e32302e3437253230504d2e706e67)
+
+## Welcome
+
+该语料库包含从网站[Insurance Library](http://www.insurancelibrary.com/) 收集的问题和答案。
+
+据我们所知，这是保险领域首个开放的QA语料库：
+
+* 该语料库的内容由现实世界的用户提出，高质量的答案由具有深度领域知识的专业人士提供。 所以这是一个具有真正价值的语料，而不是玩具。
+
+* 在上述论文中，语料库用于答复选择任务。 另一方面，这种语料库的其他用法也是可能的。 例如，通过阅读理解答案，观察学习等自主学习，使系统能够最终拿出自己的看不见的问题的答案。
+
+欢迎任何进一步增加此数据集的想法。
+
+## 语料数据
+
+| - | 问题      |  答案  | 词汇（英语）  | 
+| ------------- |-------------| ----- |   ----- |           
+| 训练      | 12,889 | 21,325  |    107,889        |
+| 验证      | 2,000     |  3354 |   16,931          |
+| 测试       | 2,000      |    3308 |  16,815            |
+
+每条数据包括问题的中文，英文，答案的正例，答案的负例。案的正例至少1项，基本上在*1-5*条，都是正确答案。答案的负例有*200*条，负例根据问题使用检索的方式建立，所以和问题是相关的，但却不是正确答案。
+
+```
+{
+    "INDEX": {
+        "zh": "中文",
+        "en": "英文",
+        "domain": "保险种类",
+        "answers": [""] # 答案正例列表
+        "negatives": [""] # 答案负例列表
+    },
+    more ...
+}
+```
+
+* 训练：```corpus/train.json```
+
+* 验证：```corpus/valid.json```
+
+* 测试：```corpus/test.json```
+
+* 答案：```corpus/answers.json```
+一共有 27,413 个回答，数据格式为 ```json```:
+```
+{
+    "INDEX": {
+        "zh": "中文",
+        "en": "英文"
+    },
+    more ...
+}
+```
+
+### 中英文对照文件
+
+#### 问答对
+
+```
+格式 INDEX ++$++ 保险种类 ++$++ 中文 ++$++ 英文
+```
+
+```corpus/train.txt```, ```corpus/valid.txt```, ```corpus/test.txt```.
+
+#### 答案
+
+```
+格式 INDEX ++$++ 中文 ++$++ 英文
+```
+
+```corpus/answers.txt```
+
+## 声明
+
+声明1 : [insuranceqa-corpus-zh](https://github.com/Samurais/insuranceqa-corpus-zh)
+
+本数据集使用翻译 [insuranceQA](https://github.com/shuzi/insuranceQA)而生成，代码发布证书 GPL 3.0。数据仅限于研究用途，如果在发布的任何媒体、期刊、杂志或博客等内容时，必须注明引用和地址。
+
+```
+InsuranceQA Corpus, Hai Liang Wang, https://github.com/Samurais/insuranceqa-corpus-zh, 07 27, 2017
+```
+
+任何基于[insuranceqa-corpus](https://github.com/Samurais/insuranceqa-corpus-zh)衍生的数据也需要开放并需要声明和“声明1”和“声明2”一致的内容。
+
+声明2 : [insuranceQA](https://github.com/shuzi/insuranceQA)
+
+此数据集仅作为研究目的提供。如果您使用这些数据发表任何内容，请引用我们的论文：[Applying Deep Learning to Answer Selection: A Study and An Open Task](https://arxiv.org/abs/1508.01585)。Minwei Feng, Bing Xiang, Michael R. Glass, Lidan Wang, Bowen Zhou @ 2015