davidfant/natural-questions-chunk-16

该数据集名为natural-questions-chunk-16，主要包含与自然语言处理相关的问答数据。数据集结构包括id、document、question、long_answer_candidates和annotations等字段，每个字段都有详细的子字段和数据类型描述。数据集分为训练集，包含10000个样本，总大小为4673346509字节，下载大小为1816557890字节。

原始信息汇总

数据集概述

数据集信息

• 特征列表:
  • id: 数据类型为字符串。
  • document: 包含以下结构:
    • html: 数据类型为字符串。
    • title: 数据类型为字符串。
    • tokens: 包含以下序列:
      • end_byte: 数据类型为int64。
      • is_html: 数据类型为布尔值。
      • start_byte: 数据类型为int64。
      • token: 数据类型为字符串。
    • url: 数据类型为字符串。
  • question: 包含以下结构:
    • text: 数据类型为字符串。
    • tokens: 数据类型为字符串序列。
  • long_answer_candidates: 包含以下序列:
    • end_byte: 数据类型为int64。
    • end_token: 数据类型为int64。
    • start_byte: 数据类型为int64。
    • start_token: 数据类型为int64。
    • top_level: 数据类型为布尔值。
  • annotations: 包含以下序列:
    • id: 数据类型为字符串。
    • long_answer: 包含以下结构:
      • candidate_index: 数据类型为int64。
      • end_byte: 数据类型为int64。
      • end_token: 数据类型为int64。
      • start_byte: 数据类型为int64。
      • start_token: 数据类型为int64。
    • short_answers: 包含以下序列:
      • end_byte: 数据类型为int64。
      • end_token: 数据类型为int64。
      • start_byte: 数据类型为int64。
      • start_token: 数据类型为int64。
      • text: 数据类型为字符串。
    • yes_no_answer: 数据类型为类别标签，包含以下名称:
      • 0: NO
      • 1: YES

数据集划分

• train:
  • num_bytes: 4673346509字节
  • num_examples: 10000个样本

数据集大小

• download_size: 1816557890字节
• dataset_size: 4673346509字节