Atipico1/trivia-top5_preprocessed_with_o-u_case

该数据集包含多个特征，如问题、答案、上下文等。上下文特征进一步包含是否包含答案、ID、得分、文本和标题等子特征。此外，数据集还包含掩码查询、原始案例和未回答案例等特征。数据集分为训练集和测试集两个部分，分别包含10000和11313个样本。

原始信息汇总

数据集概述

数据集特征

• question: 问题，数据类型为字符串。
• answers: 答案序列，数据类型为字符串序列。
• ctxs: 上下文列表，包含以下字段：
  • hasanswer: 是否有答案，数据类型为布尔值。
  • id: 标识符，数据类型为字符串。
  • score: 分数，数据类型为浮点数（float64）。
  • text: 文本内容，数据类型为字符串。
  • title: 标题，数据类型为字符串。
• masked_query: 掩码查询，数据类型为字符串。
• original_case: 原始案例列表，包含以下字段：
  • answer: 答案，数据类型为字符串。
  • context: 上下文，数据类型为字符串。
  • distance: 距离，数据类型为字符串。
  • question: 问题，数据类型为字符串。
• unans_case: 未回答案例列表，包含以下字段：
  • answer: 答案，数据类型为字符串。
  • context: 上下文，数据类型为字符串。
  • distance: 距离，数据类型为字符串。
  • question: 问题，数据类型为字符串。

数据集分割

• train: 训练集，包含10,000个样本，占用107,507,400字节。
• test: 测试集，包含11,313个样本，占用121,815,925字节。

数据集大小

• 下载大小: 138,962,266字节。
• 数据集大小: 229,323,325字节。

配置

• default: 默认配置，包含以下数据文件：
  • train: 训练集文件路径为data/train-*。
  • test: 测试集文件路径为data/test-*。