fedryanto/qas

斯坦福问答数据集（SQuAD）是一个阅读理解数据集，由众包工作者在维基百科文章上提出的问题组成，每个问题的答案是相应阅读段落中的一段文本，或者问题可能是无法回答的。数据集包含训练集和验证集，分别有87599和10570个样本。数据字段包括id、title、context、question和answers，其中answers包含text和answer_start两个子字段。

原始信息汇总

数据集概述

数据集名称

• pretty_name: SQuAD

数据集创建者

• annotations_creators: crowdsourced
• language_creators: crowdsourced, found

语言

• language: en

许可证

• license: cc-by-4.0

多语言性

• multilinguality: monolingual

大小分类

• size_categories: 10K<n<100K

源数据集

• source_datasets: extended|wikipedia

任务类别

• task_categories: question-answering

任务ID

• task_ids: extractive-qa

训练与评估索引

• config: plain_text
• task: question-answering
• task_id: extractive_question_answering
• splits:
  • train_split: train
  • eval_split: validation
• col_mapping:
  • question: question
  • context: context
  • answers:
    • text: text
    • answer_start: answer_start
• metrics:
  • type: squad
  • name: SQuAD

数据集信息

• features:
  • name: id, dtype: string
  • name: title, dtype: string
  • name: context, dtype: string
  • name: question, dtype: string
  • name: answers, sequence:
    • name: text, dtype: string
    • name: answer_start, dtype: int32
• config_name: plain_text
• splits:
  • name: train, num_bytes: 79317110, num_examples: 87599
  • name: validation, num_bytes: 10472653, num_examples: 10570
• download_size: 35142551
• dataset_size: 89789763