zhengxuanzenwu/fair_glue_qqp

该数据集包含两个问题（question1和question2）以及一个标签（label），标签用于指示这两个问题是否重复（0表示非重复，1表示重复）。数据集分为训练集、验证集和测试集，分别包含363846、1000和40430个样本。数据集的下载大小为37379518字节，总大小为56694414.56393767字节。

原始信息汇总

数据集概述

特征信息

• question1: 数据类型为字符串。
• question2: 数据类型为字符串。
• label: 数据类型为分类标签，包含两个类别：
  • 0: not_duplicate
  • 1: duplicate
• idx: 数据类型为整数（int32）。

数据分割

• train: 包含363846个样本，占用50900820字节。
• validation: 包含1000个样本，占用139840.56393767006字节。
• test: 包含40430个样本，占用5653754字节。

数据集大小

• 下载大小: 37379518字节
• 数据集大小: 56694414.56393767字节

配置信息

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