遇见数据集

Zhaoming213/baike_qa

收藏
Hugging Face2026-03-16 更新2026-03-29 收录
官方服务:

资源简介:

--- license: apache-2.0 --- ## 数据集介绍 这是社区问答对话数据集,对原始数据集进行了简单清洗,最终变成了类似:{"text":....}对结构,jsonl文件。 ## 清洗代码 ``` import json datas = [] with open("baike_qa_train.json","r",encoding="UTF-8") as f: for line in f: datas.append(json.loads(line)) with open("baikeqa.jsonl","w",encoding="UTF-8") as f: for lines in datas: if len(lines['title']) + len(lines['answer']) <512: sections = {"text":f"{lines['title']}{lines['answer']}"} f.write(json.dumps(sections,ensure_ascii=False)+"\n")

--- 许可证:Apache 2.0 --- ## 数据集介绍 本数据集为社区问答对话类数据集,我们对原始数据集进行了简易清洗预处理,最终得到格式为{"text": ……}的JSON Lines(JSONL)格式文件。 ## 清洗代码 python import json datas = [] with open("baike_qa_train.json", "r", encoding="UTF-8") as f: for line in f: datas.append(json.loads(line)) with open("baikeqa.jsonl", "w", encoding="UTF-8") as f: for lines in datas: if len(lines['title']) + len(lines['answer']) < 512: sections = {"text": f"{lines['title']}{lines['answer']}"} f.write(json.dumps(sections, ensure_ascii=False) + " ")

提供机构:
Zhaoming213
二维码
社区交流群
二维码
科研交流群
商业服务