ctu-aic/squad-cs

该数据集包含标题和段落两个主要特征。段落特征进一步包含上下文和问答对（qas）。问答对特征包含答案、ID和问题三个子特征。答案特征包含答案起始位置、答案文本和翻译后的答案文本。数据集分为训练集和验证集，分别包含442和48个示例。数据集的下载大小为16100066字节，总大小为27533773字节。

原始信息汇总

数据集信息

特征

• title: 数据类型为字符串。
• paragraphs: 列表类型，包含以下子特征：
  • context: 数据类型为字符串。
  • qas: 列表类型，包含以下子特征：
    • answers: 列表类型，包含以下子特征：
      • answer_start: 数据类型为int64。
      • text: 数据类型为字符串。
      • text_translated: 数据类型为字符串。
    • id: 数据类型为字符串。
    • question: 数据类型为字符串。

数据分割

• train: 包含442个样本，大小为23768862字节。
• validation: 包含48个样本，大小为3764911字节。

数据集大小

• 下载大小: 16100066字节。
• 数据集大小: 27533773字节。

配置

• config_name: default
  • data_files:
    • train: 路径为data/train-*。
    • validation: 路径为data/validation-*。