MajdTannous/Dataset2

斯坦福问答数据集（SQuAD）是一个阅读理解数据集，由众包工作者在维基百科文章上提出的问题组成，每个问题的答案是对应阅读段落中的一段文本，或者问题可能是无法回答的。数据集包含训练集和验证集，分别有87599和10570个样本。数据集的字段包括id、title、context、question和answers，其中answers包含text和answer_start两个子字段。

原始信息汇总

数据集概述

数据集基本信息

• 名称: SQuAD
• 语言: 英语
• 许可证: CC BY 4.0
• 多语言性: 单语种
• 数据集大小: 10K<n<100K
• 源数据集: 扩展自 Wikipedia
• 任务类别: 问答系统
• 任务ID: 抽取式问答
• PapersWithCode ID: squad

数据集结构

数据实例

• 配置: plain_text
• 示例: json { "answers": { "answer_start": [1], "text": ["This is a test text"] }, "context": "This is a test context.", "id": "1", "question": "Is this a test?", "title": "train test" }

数据字段

• id: 字符串类型
• title: 字符串类型
• context: 字符串类型
• question: 字符串类型
• answers: 字典类型，包含:
  • text: 字符串类型
  • answer_start: 整数类型

数据分割

• 训练集: 87599 条数据
• 验证集: 10570 条数据

数据集创建

数据集特征

• 特征:
  • id: 字符串类型
  • title: 字符串类型
  • context: 字符串类型
  • question: 字符串类型
  • answers: 序列类型，包含:
    • text: 字符串类型
    • answer_start: 整数类型

数据集大小

• 下载大小: 35.14 MB
• 生成大小: 89.92 MB
• 总磁盘使用量: 125.06 MB

引用信息

@article{2016arXiv160605250R, author = {{Rajpurkar}, Pranav and {Zhang}, Jian and {Lopyrev}, Konstantin and {Liang}, Percy}, title = "{SQuAD: 100,000+ Questions for Machine Comprehension of Text}", journal = {arXiv e-prints}, year = 2016, eid = {arXiv:1606.05250}, pages = {arXiv:1606.05250}, archivePrefix = {arXiv}, eprint = {1606.05250}, }