Atipico1/popQA_preprocessed

该数据集包含多个特征，如id、subj、prop、obj等，这些特征分别代表不同的数据类型，如int64、string等。数据集还包含两个主要的分割部分：train和test，分别有10000和4267个例子。此外，数据集还包含一些额外的信息，如download_size和dataset_size，分别表示下载大小和数据集大小。

原始信息汇总

数据集概述

数据特征

• id: 数据类型为 int64
• subj: 数据类型为 string
• prop: 数据类型为 string
• obj: 数据类型为 string
• subj_id: 数据类型为 int64
• prop_id: 数据类型为 int64
• obj_id: 数据类型为 int64
• s_aliases: 数据类型为 string
• o_aliases: 数据类型为 string
• s_uri: 数据类型为 string
• o_uri: 数据类型为 string
• s_wiki_title: 数据类型为 string
• o_wiki_title: 数据类型为 string
• s_pop: 数据类型为 int64
• o_pop: 数据类型为 int64
• question: 数据类型为 string
• answers: 数据类型为 sequence 的 string
• ctxs: 数据类型为 list，包含以下子特征：
  • hasanswer: 数据类型为 bool
  • id: 数据类型为 string
  • score: 数据类型为 string
  • text: 数据类型为 string
  • title: 数据类型为 string
• query_embedding: 数据类型为 sequence 的 float32

数据分割

• train: 包含 10000 个样本，占用 100851601 字节
• test: 包含 4267 个样本，占用 43005541 字节

数据集大小

• 下载大小: 81260690 字节
• 数据集大小: 143857142 字节

配置

• default: 包含以下数据文件路径：
  • train: data/train-*
  • test: data/test-*