一、WebQuestions
提出該數據集的論文：Semantic Parsing on Freebase from Question-Answer Pairs
數據集地址：https://worksheets.codalab.org/worksheets/0xba659fe363cb46e7a505c5b6a774dc8a
WebQuestions數據集（2013年提出）是由斯坦福大學研究人員通過Google Suggest API構建得到的，數據集本身共包含5810條（問題，答案）對，其中簡單問題佔比在84%，複雜的多跳和推理問題相對較少。根據提出者的最初數據劃分方式，WebQuestions被分爲訓練集和測試集兩個集合，其中訓練集包含3778條數據，測試集包含2032條數據。
二、SimpleQuestions
提出該數據集的論文：Large-scale Simple Question Answering with Memory Networks
數據集地址：https://research.fb.com/downloads/babi/
SimpleQuestions數據集（2015年提出）是一個針對簡單問題而構建的數據集，它採用人工標註的方法根據知識庫中的事實生成對應的問句，並且以Freebase作爲答案來源。該數據集共包含108,442條數據（包含關係標註），其中訓練集爲75910條（70%），驗證集爲10845條（10%），測試集爲21687條（20%）。
三、ComplexQuestions
提出該數據集的論文：Constraint-Based Question Answering with Knowledge Graph
作者本人的數據集地址：https://github.com/JunweiBao/MulCQA/tree/ComplexQuestions
ComplexQuestions數據集（2016年提出）是一個專門針對複雜問題而構建的數據集，在構建該數據集過程中，作者從一個實際使用的搜索引擎（具體哪個暫未知）中篩選並得到了878條可用的問答對。除了這878條數據，作者還從WebQuestions等數據集上額外選出了1222條數據，由此共得到了2100條複雜問題對。總體來說，該數據集共包含2100條問答對，其中訓練集個數爲1300條，測試集個數爲800條。
四、GraphQuestions
提出該數據集的論文：On Generating Characteristic-rich Question Sets for QA Evaluation
數據集地址：https://github.com/ysu1989/GraphQuestions
這是一個比較難的數據集（2016年提出），涉及較多比較複雜的邏輯，以Freebase作爲知識庫。該數據集在構建時先設計問題涉及的模式（即知識庫中的一個子圖），然後讓人根據圖改寫成自然語言題目。舉個例子：“the nine eleven were carried out with the involvement of what terrorist organizations?”
五、30M Factoid Questions
提出該數據集的論文：Generating Factoid QuestionsWith Recurrent Neural Networks: The 30M Factoid Question-Answer Corpus
數據集地址：https://academictorrents.com/details/973fb709bdb9db6066213bbc5529482a190098ce
該數據集是由模型自動構建的，包含30M的問答對。按照論文中的說法，問句質量和人類構建的質量相當，很有使用價值。
附：
KBQA相關工作系統總結：針對複雜問題的知識圖譜問答最新進展
WebQuestions相關介紹：SEMPRE–Semantic Parsing with Execution