adamjweintraut/eli5_precomputed_top_slice

该数据集包含多个特征，如索引、问题ID、问题、最佳答案、所有答案、答案数量、顶部答案、顶部答案数量、上下文、原始内容和目标。数据集分为训练集、测试集和验证集，分别包含10000、1250和1250个样本。文件大小和下载大小也被详细列出。

原始信息汇总

数据集概述

数据特征

• index: 数据索引，数据类型为 int64
• q_id: 问题ID，数据类型为 string
• question: 问题内容，数据类型为 string
• best_answer: 最佳答案，数据类型为 string
• all_answers: 所有答案，数据类型为 sequence 的 string
• num_answers: 答案数量，数据类型为 int64
• top_answers: 热门答案，数据类型为 sequence 的 string
• num_top_answers: 热门答案数量，数据类型为 int64
• context: 上下文信息，数据类型为 string
• orig: 原始信息，数据类型为 string
• target: 目标信息，数据类型为 string

数据分割

• train: 训练集，包含 10000 个样本，大小为 277523684 字节
• test: 测试集，包含 1250 个样本，大小为 34508046 字节
• validation: 验证集，包含 1250 个样本，大小为 34663133 字节

数据集大小

• download_size: 下载大小为 214939984 字节
• dataset_size: 数据集总大小为 346694863 字节

配置

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