Atipico1/NQ-20k_preprocessed_with_o-u_case

--- dataset_info: features: - name: question dtype: string - name: answers sequence: string - name: ctxs list: - name: hasanswer dtype: bool - name: id dtype: string - name: score dtype: float64 - name: text dtype: string - name: title dtype: string - name: masked_query dtype: string - name: original_case list: - name: answer dtype: string - name: context dtype: string - name: distance dtype: string - name: question dtype: string - name: unans_case list: - name: answer dtype: string - name: context dtype: string - name: distance dtype: string - name: question dtype: string splits: - name: train num_bytes: 187754303 num_examples: 20000 - name: test num_bytes: 34159853 num_examples: 3610 download_size: 126702831 dataset_size: 221914156 configs: - config_name: default data_files: - split: train path: data/train-* - split: test path: data/test-* ---

原始信息汇总

数据集概述

数据集特征

• question: 问题，数据类型为字符串。
• answers: 答案序列，数据类型为字符串序列。
• ctxs: 上下文列表，包含以下字段：
  • hasanswer: 是否有答案，数据类型为布尔值。
  • id: 标识符，数据类型为字符串。
  • score: 分数，数据类型为浮点数（float64）。
  • text: 文本内容，数据类型为字符串。
  • title: 标题，数据类型为字符串。
• masked_query: 掩码查询，数据类型为字符串。
• original_case: 原始案例列表，包含以下字段：
  • answer: 答案，数据类型为字符串。
  • context: 上下文，数据类型为字符串。
  • distance: 距离，数据类型为字符串。
  • question: 问题，数据类型为字符串。
• unans_case: 未回答案例列表，包含以下字段：
  • answer: 答案，数据类型为字符串。
  • context: 上下文，数据类型为字符串。
  • distance: 距离，数据类型为字符串。
  • question: 问题，数据类型为字符串。

数据集分割

• train: 训练集，包含20000个样本，占用187754303字节。
• test: 测试集，包含3610个样本，占用34159853字节。

数据集大小

• 下载大小: 126702831字节。
• 数据集大小: 221914156字节。

配置

• default: 默认配置，包含以下数据文件：
  • train: 训练集文件路径为data/train-*。
  • test: 测试集文件路径为data/test-*。