SQAC

El Spanish Question Answering Corpus (SQAC) es un conjunto de datos de preguntas-respuesta  extractivas. No contiene preguntas que no tengan respuesta. Se ha creado a partir de textos extraídos de la Wikipedia en español, artículos enciclopédicos, artículos de noticias de Wikinews y la sección española del corpus AnCora, que es una mezcla de diferentes fuentes de noticias y literatura. Se creó encargando la creación de 18.817 preguntas con la anotación de sus tramos de respuesta a partir de 6.247 contextos textuales. Las directrices se adaptaron de SQuAD v1.1 (Rajpurkar et al., 2016), y los anotadores eran todos hablantes nativos de español con estudios universitarios en diversos campos relacionados con la lingüística. Siguiendo la estructura de XQuAD (Artetxe, Ruder, y Yogatama, 2019), no se recogieron respuestas adicionales.