yuri-no/wiki-ita

该数据集包含查询ID、查询文本、正向段落和负向段落。正向段落进一步包含文档ID、文本和标题。数据集分为训练集，大小为4485054934字节，包含1743035个示例。数据集的下载大小为2691419339字节。

dataset_info:
features:
- 字段名: 查询ID（query_id）
数据类型: 字符串类型
- 字段名: 查询（query）
数据类型: 字符串类型
- 字段名: 正相关文档集（positive_passages）
列表项:
- 字段名: 文档ID（docid）
数据类型: 字符串类型
- 字段名: 文本内容（text）
数据类型: 字符串类型
- 字段名: 标题（title）
数据类型: 字符串类型
- 字段名: 负相关文档集（negative_passages）
序列类型: 'null'
splits:
- 拆分名称: 训练集（train）
字节占用量: 4485054934
样本总数: 1743035
下载大小: 2691419339字节
数据集总大小: 4485054934字节
configs:
- 配置名称: 默认配置（default）
数据文件:
- 对应拆分: 训练集（train）
文件路径: data/train-*

原始信息汇总

数据集概述

数据集特征

• query_id: 数据类型为字符串。
• query: 数据类型为字符串。
• positive_passages: 包含以下子特征：
  • docid: 数据类型为字符串。
  • text: 数据类型为字符串。
  • title: 数据类型为字符串。
• negative_passages: 序列类型为空。

数据集分割

• train:
  • 数据大小: 4485054934 字节。
  • 示例数量: 1743035。

数据集大小

• 下载大小: 2691419339 字节。
• 数据集总大小: 4485054934 字节。

配置

• default:
  • 数据文件路径: data/train-*。