Atipico1/popQA_preprocessed_unans

---
dataset_info:
features:
- name: id
dtype: int64
- name: subj
dtype: string
- name: prop
dtype: string
- name: obj
dtype: string
- name: subj_id
dtype: int64
- name: prop_id
dtype: int64
- name: obj_id
dtype: int64
- name: s_aliases
dtype: string
- name: o_aliases
dtype: string
- name: s_uri
dtype: string
- name: o_uri
dtype: string
- name: s_wiki_title
dtype: string
- name: o_wiki_title
dtype: string
- name: s_pop
dtype: int64
- name: o_pop
dtype: int64
- name: question
dtype: string
- name: answers
sequence: string
- name: ctxs
list:
- name: hasanswer
dtype: bool
- name: id
dtype: string
- name: score
dtype: string
- name: text
dtype: string
- name: title
dtype: string
- name: query_embedding
sequence: float32
splits:
- name: train
num_bytes: 100743049
num_examples: 10000
- name: test
num_bytes: 42959579
num_examples: 4267
download_size: 81183565
dataset_size: 143702628
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

原始信息汇总

数据集概述

数据特征

数据集包含以下特征：

• 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

数据划分

数据集分为以下几个部分：

• train: 包含 10000 个样本，占用 100743049 字节
• test: 包含 4267 个样本，占用 42959579 字节

数据集大小

• 下载大小: 81183565 字节
• 数据集大小: 143702628 字节

配置

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