最終更新日：2026年8月26日
gk nlp dataset
G検定トップ
＞ SQuADとは？抽出型質問応答データセット【G検定対策】
まず結論
SQuAD（Stanford Question Answering Dataset）は、文章を読んで質問に答える抽出型質問応答（Extractive QA）の代表的なデータセットです。
G検定では、
文章 + 質問 + 文章中の答え
→ SQuAD
と切り分けます。
直感的な説明
SQuADは、人が文章を読んで
「この質問の答えは、本文のこの部分」
と探す問題をモデルに解かせるイメージです。
画像分類用データセットではありません。
定義・仕組み
SQuADでは、基本的に次の情報を扱います。
- Context：答えを含む文章
- Question：その文章についての質問
- Answer：文章中の答えとなる範囲（span）
そのため、代表的な課題は文章中の開始位置と終了位置を見つける抽出型QAです。
SQuAD 2.0では、答えが本文中に存在しない質問も追加されています。
いつ使う？（得意・不得意）
SQuADは、質問応答モデルの学習・評価で使われます。
BERTなどのTransformer系モデルでも広く使われてきましたが、SQuAD自体がBERT専用という意味ではありません。
また、過去にはRNN・Attentionなどを使ったモデルでも取り組まれており、「CNNは使わない」など特定のモデル構造で限定するのは不適切です。
G検定ひっかけポイント
SQuADとGLUE
- SQuAD → 質問応答データセット
- GLUE → 複数の自然言語理解タスクをまとめた評価ベンチマーク
SQuADは画像データセット？
違います。NLPの文章・質問応答データセットです。
SQuADは分類専用？
代表的には、本文から答えの位置を抽出する抽出型QAです。
まとめ（試験直前用）
- SQuAD＝NLPの質問応答データセット
- Context・Question・Answerを扱う
- 代表タスクは抽出型QA
- SQuAD 2.0には回答不能な質問もある
- GLUEは複数タスクの評価ベンチマーク