Seongill/squad_conflict_v2_under_150_with_substitution_chunked_with_wiki_similar

---
dataset_info:
features:
- name: id
dtype: string
- name: context
dtype: string
- name: question
dtype: string
- name: answers
struct:
- name: answer_start
sequence: int64
- name: text
sequence: string
- name: masked_query
dtype: string
- name: query_embedding
sequence: float64
- name: ent_type
dtype: string
- name: answer
dtype: string
- name: random_answer
dtype: string
- name: similar_answer
dtype: string
- name: rewritten_context
dtype: string
- name: has_answer
dtype: bool
- name: answer_sent
dtype: string
- name: rewritten_answer_sent
dtype: string
- name: answer_chunk
dtype: string
- name: rewritten_answer_chunk
dtype: string
- name: wiki_similar
dtype: string
splits:
- name: train
num_bytes: 238555780
num_examples: 25866
download_size: 153713075
dataset_size: 238555780
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

原始信息汇总

数据集信息

特征

• id: 数据类型为字符串。
• context: 数据类型为字符串。
• question: 数据类型为字符串。
• answers: 结构体，包含以下字段：
  • answer_start: 数据类型为整数序列。
  • text: 数据类型为字符串序列。
• masked_query: 数据类型为字符串。
• query_embedding: 数据类型为浮点数序列。
• ent_type: 数据类型为字符串。
• answer: 数据类型为字符串。
• random_answer: 数据类型为字符串。
• similar_answer: 数据类型为字符串。
• rewritten_context: 数据类型为字符串。
• has_answer: 数据类型为布尔值。
• answer_sent: 数据类型为字符串。
• rewritten_answer_sent: 数据类型为字符串。
• answer_chunk: 数据类型为字符串。
• rewritten_answer_chunk: 数据类型为字符串。
• wiki_similar: 数据类型为字符串。

数据分割

• train: 包含25866个样本，总字节数为238555780。

数据集大小

• 下载大小: 153713075字节。
• 数据集大小: 238555780字节。

配置

• default: 包含训练数据文件，路径为data/train-*。