README.md

metadata

annotations_creators:
  - crowdsourced
language_creators:
  - crowdsourced
language:
  - tr
license:
  - cc-by-sa-4.0
multilinguality:
  - monolingual
size_categories:
  - 100K<n<1M
source_datasets:
  - original
task_categories:
  - question-answering
task_ids:
  - open-domain-qa
  - extractive-qa
paperswithcode_id: squad
pretty_name: SQuAD2.0
dataset_info:
  config_name: squad_v2
  features:
    - name: id
      dtype: string
    - name: title
      dtype: string
    - name: context
      dtype: string
    - name: question
      dtype: string
    - name: answers
      sequence:
        - name: text
          dtype: string
        - name: answer_start
          dtype: int32
  splits:
    - name: train
      num_bytes: 116732025
      num_examples: 130319
    - name: validation
      num_bytes: 11661091
      num_examples: 11873
  download_size: 17720493
  dataset_size: 128393116
configs:
  - config_name: squad_v2
    data_files:
      - split: train
        path: squad_v2/train-*
      - split: validation
        path: squad_v2/validation-*
    default: true
train-eval-index:
  - config: squad_v2
    task: question-answering
    task_id: extractive_question_answering
    splits:
      train_split: train
      eval_split: validation
    col_mapping:
      question: question
      context: context
      answers:
        text: text
        answer_start: answer_start
    metrics:
      - type: squad_v2
        name: SQuAD v2

Türkçe çeviri hakkında

Bu veri seti, rajpurkar/squad_v2 (SQuAD 2.0, revision 3ffb306f725f7d2ce8394bc1873b24868140c412) veri setinin İngilizceden Türkçeye makine çevirisidir. Bu sürümde yer alan split(ler): train, validation (142192 satır). Kaynak, SQuAD'ın resmi sitesindeki train-v2.0.json ve dev-v2.0.json dosyalarıyla satır satır karşılaştırıldı ve birebir aynı bulundu. Satır sayısı, sırası, sütunlar ve Parquet şeması kaynakla aynıdır.

Ne için kullanılır: cevaplanabilirlik

Yalnızca context (paragraf) ve question (soru) çevrildi. answers aynen bırakıldı: cevap metinleri İngilizcedir ve answer_start İngilizce paragraftaki konumu gösterir. Bu yüzden bu sürüm cevap çıkarma (extractive QA) için uygun değildir; aşağıdaki özgün kartta görülen train-eval-index ve extractive-qa bilgileri bu çeviri için geçerli değildir.

Amaç, bir paragrafın bir soruyu cevaplamaya yetip yetmediğine (cevaplanabilirlik) karar veren modeller eğitmek ve ölçmektir. Etiket answers'tan çıkar: answers.text boşsa soru paragraftan cevaplanamaz, doluysa cevaplanabilir. SQuAD 2.0'ın cevaplanamaz soruları, paragrafta makul görünen ama yanlış bir cevap bulunacak şekilde insanlar tarafından yazılmıştır; bu yüzden konuyla ilgili olmak ile soruyu gerçekten cevaplamak arasındaki farkı öğretmek için uygundur.

Split	Soru	Cevaplanamaz	Cevaplanabilir
train	130.319	43.498 (%33)	86.821 (%67)
validation	11.873	5.945 (%50)	5.928 (%50)

Train ve validation farklı Vikipedi makalelerinden gelir.

Nasıl çevrildi

• Model: qwen3.8-flash-next, OpenAI uyumlu bir vLLM sunucusu üzerinden; temperature=0, reasoning kapalı. Prompt sürümü v2-json-bf88f95c.
• Unit bazında çeviri: Paragraflar ve sorular ayrı ayrı çevrildi. Bir paragraf birden fazla soruda geçtiği için her paragraf bir kez çevrilip tüm sorularında yeniden kullanıldı (284388 metin, 162356 benzersiz birim).
• Bağlam: Her soru, ait olduğu İngilizce paragrafla birlikte modele gönderildi; böylece sorudaki isimler ve terimler paragrafın çevirisiyle tutarlı kaldı. Paragraflar makale başlığıyla birlikte gönderildi. Bağlam yalnızca anlamı netleştirmek için verildi, çevrilmedi.
• Prompt kuralları: Anlamı birebir koru, metindeki soruları yanıtlama, açıklama ekleme; sayıları, URL'leri, tırnaklı ifadeleri ve satır sonlarını olduğu gibi bırak.

Kalite kontrolü

Her çeviri otomatik olarak denetlendi: sayılar ve satır sonları kaynakla aynı mı, uzunluk oranı makul mü, metin çevrilmeden mi kalmış, English leakage var mı, preamble ya da refusal var mı. Satır düzeyinde id, title ve answers sütunlarının kaynakla birebir aynı olduğu ayrıca doğrulandı.

Sonuç: 161624 birim sorunsuz, 730 birim şüpheli olarak işaretlendi (bunlar veri setinde yer alıyor), 2 birim çevrilemedi (kaynakta yalnızca boşluktan oluşan iki soru); kaynak dilde kalan alan sayısı

1. Ayrıntılar manifest.json dosyasındadır.

Bu veri seti için en zararlı hata, modelin soruyu çevirmek yerine cevaplamasıdır: soru değişirse etiket de anlamını yitirir. Bunun için soru işaretiyle biten ama çevirisinde soru işareti olmayan sorular ve uzunluğu orantısız sorular tek tek incelendi; soruyu cevaplamış ya da cevabı soruya katmış 10 çeviri ve soru işaretini kaybetmiş 1 çeviri elle düzeltildi. "… iki örnek veriniz." gibi emir kipine çevrilmiş sorular anlamı koruduğu için bırakıldı.

Kalan şüpheli birimlerin büyük kısmı zararsızdır: "seventies" → "1970'ler", "hundreds of thousands" → "yüz binlerce" gibi sayının yazılış biçimini değiştiren çeviriler ile İngilizce bırakılan eser, şarkı ve kurum adları. Bunlar tek tek gözden geçirilmedi.

Sınırlamalar

Bu bir makine çevirisidir ve baştan sona bir insan çevirmen tarafından kontrol edilmemiştir. Sorular ve paragraflar ayrı çevrildiği için, soruda geçen bir ifade paragrafta farklı bir kelimeyle çevrilmiş olabilir; bu, cevaplanabilir bir soruyu yüzeysel olarak daha zor gösterebilir. Kaynak veri setinin lisansı (CC BY-SA 4.0) bu çeviri için de geçerlidir: türev çalışmalar aynı lisansla paylaşılmalı ve SQuAD 2.0'a atıf yapılmalıdır (Rajpurkar, Jia ve Liang, 2018).

Aşağıda kaynak veri setinin özgün (İngilizce) kartı yer almaktadır.

---

Dataset Card for SQuAD 2.0

Table of Contents

• Dataset Card for "squad_v2"
  • Table of Contents
  • Dataset Description
    • Dataset Summary
    • Supported Tasks and Leaderboards
    • Languages
  • Dataset Structure
    • Data Instances
      • squad_v2
    • Data Fields
      • squad_v2
    • Data Splits
  • Dataset Creation
    • Curation Rationale
    • Source Data
      • Initial Data Collection and Normalization
      • Who are the source language producers?
    • Annotations
      • Annotation process
      • Who are the annotators?
    • Personal and Sensitive Information
  • Considerations for Using the Data
    • Social Impact of Dataset
    • Discussion of Biases
    • Other Known Limitations
  • Additional Information
    • Dataset Curators
    • Licensing Information
    • Citation Information
    • Contributions

Dataset Description

• Homepage: https://rajpurkar.github.io/SQuAD-explorer/
• Repository: More Information Needed
• Paper: https://arxiv.org/abs/1806.03822
• Point of Contact: More Information Needed

Dataset Summary

Stanford Question Answering Dataset (SQuAD) is a reading comprehension dataset, consisting of questions posed by crowdworkers on a set of Wikipedia articles, where the answer to every question is a segment of text, or span, from the corresponding reading passage, or the question might be unanswerable.

SQuAD 2.0 combines the 100,000 questions in SQuAD1.1 with over 50,000 unanswerable questions written adversarially by crowdworkers to look similar to answerable ones. To do well on SQuAD2.0, systems must not only answer questions when possible, but also determine when no answer is supported by the paragraph and abstain from answering.

Supported Tasks and Leaderboards

Question Answering.

Languages

English (en).

Dataset Structure

Data Instances

squad_v2

• Size of downloaded dataset files: 46.49 MB
• Size of the generated dataset: 128.52 MB
• Total amount of disk used: 175.02 MB

An example of 'validation' looks as follows.

This example was too long and was cropped:

{
    "answers": {
        "answer_start": [94, 87, 94, 94],
        "text": ["10th and 11th centuries", "in the 10th and 11th centuries", "10th and 11th centuries", "10th and 11th centuries"]
    },
    "context": "\"The Normans (Norman: Nourmands; French: Normands; Latin: Normanni) were the people who in the 10th and 11th centuries gave thei...",
    "id": "56ddde6b9a695914005b9629",
    "question": "When were the Normans in Normandy?",
    "title": "Normans"
}

Data Fields

The data fields are the same among all splits.

squad_v2

• id: a string feature.
• title: a string feature.
• context: a string feature.
• question: a string feature.
• answers: a dictionary feature containing:
  • text: a string feature.
  • answer_start: a int32 feature.

Data Splits

name	train	validation
squad_v2	130319	11873

Dataset Creation

Curation Rationale

More Information Needed

Source Data

Initial Data Collection and Normalization

More Information Needed

Who are the source language producers?

More Information Needed

Annotations

Annotation process

More Information Needed

Who are the annotators?

More Information Needed

Personal and Sensitive Information

More Information Needed

Considerations for Using the Data

Social Impact of Dataset

More Information Needed

Discussion of Biases

More Information Needed

Other Known Limitations

More Information Needed

Additional Information

Dataset Curators

More Information Needed

Licensing Information

The dataset is distributed under the CC BY-SA 4.0 license.

Citation Information

@inproceedings{rajpurkar-etal-2018-know,
    title = "Know What You Don{'}t Know: Unanswerable Questions for {SQ}u{AD}",
    author = "Rajpurkar, Pranav  and
      Jia, Robin  and
      Liang, Percy",
    editor = "Gurevych, Iryna  and
      Miyao, Yusuke",
    booktitle = "Proceedings of the 56th Annual Meeting of the Association for Computational Linguistics (Volume 2: Short Papers)",
    month = jul,
    year = "2018",
    address = "Melbourne, Australia",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/P18-2124",
    doi = "10.18653/v1/P18-2124",
    pages = "784--789",
    eprint={1806.03822},
    archivePrefix={arXiv},
    primaryClass={cs.CL}
}
@inproceedings{rajpurkar-etal-2016-squad,
    title = "{SQ}u{AD}: 100,000+ Questions for Machine Comprehension of Text",
    author = "Rajpurkar, Pranav  and
      Zhang, Jian  and
      Lopyrev, Konstantin  and
      Liang, Percy",
    editor = "Su, Jian  and
      Duh, Kevin  and
      Carreras, Xavier",
    booktitle = "Proceedings of the 2016 Conference on Empirical Methods in Natural Language Processing",
    month = nov,
    year = "2016",
    address = "Austin, Texas",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/D16-1264",
    doi = "10.18653/v1/D16-1264",
    pages = "2383--2392",
    eprint={1606.05250},
    archivePrefix={arXiv},
    primaryClass={cs.CL},
}

Contributions

Thanks to @lewtun, @albertvillanova, @patrickvonplaten, @thomwolf for adding this dataset.