legacy107/wikipedia-augmented-chunked-128

该数据集包含与维基百科内容相关的对话数据，适用于问答系统的训练和测试。数据集特征包括对话历史、问题、问题编号、改写问题、真实页面标题、真实上下文、答案、维基百科上下文、是否提取性回答、检索上下文和分块文章等字段。数据集分为训练集和测试集，分别包含17183和2882个样本。

原始信息汇总

数据集概述

配置信息

• 配置名称: default
• 数据文件:
  • 训练集: data/train-*
  • 测试集: data/test-*

数据集信息

• 特征:
  • History: 字符串序列
  • QuAC_dialog_id: 字符串
  • Question: 字符串
  • Question_no: 整数 (int64)
  • Rewrite: 字符串
  • true_page_title: 字符串
  • true_contexts: 字符串
  • answer: 字符串
  • true_contexts_wiki: 字符串
  • extractive: 布尔值
  • retrieved_contexts: 字符串序列
  • chunked_article: 字符串序列

数据集划分

• 训练集:
  • 字节数: 1589798324
  • 样本数: 17183
• 测试集:
  • 字节数: 282060219
  • 样本数: 2882

数据集大小

• 下载大小: 565470318
• 数据集大小: 1871858543