p1atdev/japanese-stackexchange

该数据集基于Japanese Stack Exchange的数据加工而成，主要包含问题和回答对的QA数据。数据集分为default和simple两个子集，其中default子集包含详细的问题和回答信息，如问题ID、标题、内容、回答列表等；simple子集则是default子集的简化版本，主要包含问题和回答的基本信息，如ID、标题、内容、分数等。数据集适用于文本生成和问答任务，支持英语和日语。

原始信息汇总

数据集概述

数据集信息

default 配置

• 特征:
  • question:
    • accepted_answer_id: 字符串
    • answer_count: 64位整数
    • body: 字符串
    • comment_count: 64位整数
    • content_license: 字符串
    • creation_date: 字符串
    • favorite_count: 64位整数
    • id: 字符串
    • last_activity_date: 字符串
    • last_edit_date: 字符串
    • last_editor_user_id: 字符串
    • owner_user_id: 字符串
    • post_type: 字符串
    • score: 64位整数
    • tags: 字符串序列
    • title: 字符串
    • view_count: 64位整数
  • answers:
    • body: 字符串
    • comment_count: 64位整数
    • content_license: 字符串
    • creation_date: 字符串
    • id: 字符串
    • last_activity_date: 字符串
    • last_edit_date: 字符串
    • last_editor_user_id: 字符串
    • owner_user_id: 字符串
    • parent_id: 字符串
    • post_type: 字符串
    • score: 64位整数
  • id: 字符串
  • accepted_answer_id: 字符串
  • popular_answer_id: 字符串
• 分割:
  • train:
    • 字节数: 67721507
    • 样本数: 28428
• 下载大小: 38951308
• 数据集大小: 67721507

simple 配置

• 特征:
  • id: 字符串
  • accepted_answer_id: 字符串
  • popular_answer_id: 字符串
  • title: 字符串
  • question_body: 字符串
  • question_score: 64位整数
  • accepted_answer_body: 字符串
  • accepted_answer_score: 64位整数
  • popular_answer_body: 字符串
  • popular_answer_score: 64位整数
  • tags: 字符串序列
• 分割:
  • train:
    • 字节数: 66135683
    • 样本数: 28428
• 下载大小: 40717946
• 数据集大小: 66135683

配置

• default:
  • 数据文件:
    • train: data/train-*
• simple:
  • 数据文件:
    • train: simple/train-*

许可证

• CC BY-SA 4.0

任务类别

• 文本生成
• 问答

语言

• 英语
• 日语

标签

• stackexchange

数据集名称

• Japanese StackExchange

数据集大小类别

• 10K<n<100K