davidfant/natural-questions-chunk-25

--- dataset_info: features: - name: id dtype: string - name: document struct: - name: html dtype: string - name: title dtype: string - name: tokens sequence: - name: end_byte dtype: int64 - name: is_html dtype: bool - name: start_byte dtype: int64 - name: token dtype: string - name: url dtype: string - name: question struct: - name: text dtype: string - name: tokens sequence: string - name: long_answer_candidates sequence: - name: end_byte dtype: int64 - name: end_token dtype: int64 - name: start_byte dtype: int64 - name: start_token dtype: int64 - name: top_level dtype: bool - name: annotations sequence: - name: id dtype: string - name: long_answer struct: - name: candidate_index dtype: int64 - name: end_byte dtype: int64 - name: end_token dtype: int64 - name: start_byte dtype: int64 - name: start_token dtype: int64 - name: short_answers sequence: - name: end_byte dtype: int64 - name: end_token dtype: int64 - name: start_byte dtype: int64 - name: start_token dtype: int64 - name: text dtype: string - name: yes_no_answer dtype: class_label: names: '0': 'NO' '1': 'YES' splits: - name: train num_bytes: 4568599036 num_examples: 10000 download_size: 1773114782 dataset_size: 4568599036 --- # Dataset Card for "natural-questions-chunk-25" [More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

特征结构

• id: 数据类型为字符串。
• document: 结构体，包含以下字段：
  • html: 数据类型为字符串。
  • title: 数据类型为字符串。
  • tokens: 序列，包含以下字段：
    • 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: 结构体，包含以下字段：
  • text: 数据类型为字符串。
  • tokens: 序列，数据类型为字符串。
• long_answer_candidates: 序列，包含以下字段：
  • 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: 序列，包含以下字段：
  • id: 数据类型为字符串。
  • long_answer: 结构体，包含以下字段：
    • 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: 序列，包含以下字段：
    • 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，包含以下选项：
    • 0: NO
    • 1: YES

数据集分割

• train: 包含10000个样本，总字节数为4568599036。

数据集大小

• 下载大小: 1773114782字节。
• 数据集大小: 4568599036字节。