hazyresearch/based-swde

该数据集改编自论文《Language Models Enable Simple Systems for Generating Structured Views of Heterogeneous Data Lakes》。数据集包含五个特征：doc_id、file_name、key、value和text，并且只有一个验证集，包含1111个样本。该数据集用于生成异构数据湖的结构化视图。

原始信息汇总

数据集概述

数据集特征

• doc_id: 数据类型为字符串
• file_name: 数据类型为字符串
• key: 数据类型为字符串
• value: 数据类型为字符串
• text: 数据类型为字符串

数据集分割

• 验证集 (validation):
  • 字节数: 4651754
  • 示例数: 1111

数据集大小

• 下载大小: 1824942
• 数据集大小: 4651754

配置

• 默认配置 (default):
  • 数据文件路径: data/validation-*

任务类别

• 问答
• 特征提取

搜集汇总

背景与挑战

背景概述

该数据集名为'hazyresearch/based-swde'，是一个小型文本数据集，包含约1,111行电影详情数据，用于问答和特征提取任务。数据源自电影网页，结构化字段包括导演、年份、类型等关键信息，旨在支持语言模型在异构数据湖中生成结构化视图的研究。