InsuranceQA 语料库中文版使用教程

1. 项目目录结构及介绍

insuranceqa-corpus-zh/
├── corpus/
│   ├── pool/
│   │   ├── train.json.gz
│   │   ├── valid.json.gz
│   │   ├── test.json.gz
│   │   └── answers.json
│   └── pairs/
│       ├── train.txt.gz
│       ├── valid.txt.gz
│       └── test.txt.gz
├── scripts/
│   ├── setup.py
│   └── ...
├── .gitignore
├── LICENSE
├── README.md
└── setup.cfg

目录结构说明

• corpus/: 存放语料库数据文件。
  • pool/: 包含训练集、验证集、测试集和答案的JSON格式文件。
  • pairs/: 包含训练集、验证集、测试集的文本格式文件。
• scripts/: 存放项目的脚本文件，如安装脚本 setup.py。
• .gitignore: Git忽略文件配置。
• LICENSE: 项目许可证文件。
• README.md: 项目说明文档。
• setup.cfg: 项目配置文件。

2. 项目的启动文件介绍

项目中没有明确的“启动文件”，但可以通过以下步骤启动和使用语料库：

1. 安装依赖:

   pip install -U insuranceqa_data
   

2. 下载语料库:

   import insuranceqa_data
   insuranceqa_data.download_corpus()
   

3. 加载数据:

   import insuranceqa_data as insuranceqa
   train_data = insuranceqa.load_pool_train()
   

3. 项目的配置文件介绍

setup.cfg

setup.cfg 文件用于配置项目的安装和打包选项。以下是一个示例配置：

[metadata]
name = insuranceqa-corpus-zh
version = 1.0
description = 保险行业语料库
author = Chatopera Inc.
license = MIT

[options]
packages = find:
install_requires =
    insuranceqa_data

配置文件说明

• [metadata]: 包含项目的元数据，如名称、版本、描述、作者和许可证。
• [options]: 配置安装选项，如需要安装的包和依赖项。

通过以上配置，可以确保项目在安装时正确处理依赖关系，并提供必要的元数据信息。