KETI-AIR/kor_qasc

QASC数据集是一个用于问答任务的数据集，特别关注通过句子组合进行问答。数据集包含8134个训练样本、926个验证样本和920个测试样本。每个样本包括问题、选择、答案键、事实信息等特征。数据集的语言为韩语，大小在1K到10K之间，遵循CC BY 4.0许可证。

原始信息汇总

数据集概述

基本信息

• 语言: 韩语 (ko)
• 数据规模: 1K<n<10K
• 任务类别:
  • 问答 (question-answering)
  • 多选题 (multiple-choice)
• 任务ID:
  • 抽取式问答 (extractive-qa)
  • 多选题问答 (multiple-choice-qa)
• 许可证: CC BY 4.0

数据集特征

• 特征列表:
  • data_index_by_user: 数据索引，类型为 int32
  • question: 问题，类型为 string
  • choices: 选项，结构为:
    • text: 文本，序列类型为 string
    • label: 标签，序列类型为 string
  • answerKey: 答案键，类型为 string
  • fact1: 事实1，类型为 string
  • fact2: 事实2，类型为 string
  • combinedfact: 组合事实，类型为 string
  • formatted_question: 格式化问题，类型为 string

数据分割

• 训练集:
  • 字节数: 5345733
  • 样本数: 8134
• 验证集:
  • 字节数: 600701
  • 样本数: 926
• 测试集:
  • 字节数: 404309
  • 样本数: 920

数据集大小

• 下载大小: 2385940 字节
• 数据集大小: 6350743 字节