Retrieval-Augmented-Generation and Queston-Answering in Spanish (RagQuAS) Dataset
Dataset Summary
RagQuAS es un dataset de alta calidad con ejemplos en una gran cantidad de dominios: Hobbies, Lingüística, Mascotas, Salud, astronomía, atención al cliente, coches, cotidiano, documentación, energía, esquí, estafas, gastronomía, hobbies, idiomas, juegos, lenguaje, manicura, música, patinaje, primeros auxilios, receta, reciclaje, reclamaciones, seguros, tenis, transporte, turismo, veterinaria, viajes, yoga.
Supported Tasks and Leaderboards
Está diseñado para evaluar un sistema de RAG al completo.
Languages
Castellano (BCP-47 es).
Dataset Structure
Data Instances
Las instancias de este dataset tienen la siguiente estructura:
topic | answer | question | variant | context_1 | context_2 | context_3 | context_4 | context_5 | link_1 | link_2 | link_3 | link_4 | link_5 | text_1 | text_3 | text_4 | text_5 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
reclamaciones | La opción más fácil y eficaz para reclamar una indemnización por retraso de vuelo en Europa es... | ¿Cuál es la forma más fácil de reclamar cuando un vuelo que sale de España se ha retrasado? | question_1 | #1. Airhelp. La empresa... | En AirHelp hemos ayudado a más de... | MYFLYRIGHT, expertos en derechos de los viajero... | https://www.businessinsider.es/mejores-paginas-reclamar-vuelo-cancelado-retrasado-804901 | https://www.airhelp.com/es/retrasos-de-vuelos/ | https://myflyright.com/es/servicios/vuelo-retrasado/ | 5 páginas donde poder reclamar... | Indemnización retraso vuelo. Navegación... |
Data Fields
topic: el dominio sobre el que trata el ejemplo.
question: pregunta sobre los documentos.
variant: un indicador de la variante de la pregunta. Cuando dos respuestas "answer" son iguales, quiere decir que ambas filas en el corpus representan la misma consulta, pero formulada con una naturaleza diferente.
answer: respuesta del sistema a cualquiera de las variantes.
context_i: contexto del documento i que se ha utilizado para responder a la pregunta en cualquiera de las variantes.
text_i: texto completo del documento i.
link_i: enlace del documento i.
Data Splits
El dataset no está dividido en train, validation y test porque está diseñado para evaluar.
train | |
---|---|
Input Sentences | 201 |
Dataset Creation
Curation Rationale
Los sistemas de RAG son una estructura compleja que involucran la colaboración de varios modelos de inteligencia artificial. Contar con datasets que evaluan dichos sistemas en conjunto es muy valioso a la hora de medir la eficacia en su conjunto.
Source Data
Los datos se crearon a partir de texto simple extraído de la web, con información de los distintos dominios.
Initial Data Collection and Normalization
Para la recolección de los datos se hizo una selección de los textos a partir los dominios elegidos, a los que posteriormente se diseñaron una serie de preguntas, con diferentes variantes, y se seleccionaron los contextos con la información relevante para responder a cada pregunta.
Who are the source language producers?
Todo el corpus ha sido generado y revisado por humanos.
Annotations
La guía de anotación consistió en generar pares de pregunta-respuesta dado un documento y encontrar la información relevante dentro de ellos para obtener los contextos.
Annotation process
La metodología de corpus ha consistido en el acuerdo y diseño de las preguntas a realizar sobre los datos y la resolución de dudas.
Who are the annotators?
Corpus realizados de forma manual por dos lingüistas computacionales. Las respuestas han sido escritas por cada anotador.
Personal and Sensitive Information
El dataset está libre de información personal y sensible.
Considerations for Using the Data
Social Impact of Dataset
Crear corpus de calidad en castellano es de vital importancia si queremos que la inteligencia artificial de dicho idioma esté a la altura del inglés. La donación de corpus de alta calidad con tareas y dominios variados es lo más relevante a la hora de lograr este objetivo.
Discussion of Biases
No se ha hecho un análisis de sesgo, por lo que pueden existir algunos sesgos a causa del origen del que provienen los contextos seleccionados.
Other Known Limitations
[N/A]
Additional Information
Dataset Curators
Instituto de Ingeniería del Conocimiento (IIC).
Licensing Information
Este dataset está bajo la licencia de uso no comercial CC BY-NC-SA 4.0.
Citation Information
@misc {Instituto de Ingeniería del Conocimiento (IIC),
author = { {Instituto de Ingeniería del Conocimiento} },
title = { Retrieval-Augmented-Generation and Queston-Answering in Spanish (RagQuAS) Dataset },
year = 2024,
url = { https://huggingface.co/datasets/IIC/RagQuAS },
doi = { 10.57967/hf/2044 },
publisher = { Hugging Face }
}
Contributions
Gracias a @mariagrandury por darnos la oportunidad de participar en la creación de un corpus de instrucciones en castellano y lenguas cooficiales para potenciar los modelos de inteligencia artificial en estos idiomas tan ricos, variados y de tanta relevancia.
- Downloads last month
- 61