Atipico1/popQA

---
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
splits:
- name: train
num_bytes: 70091601
num_examples: 10000
- name: test
num_bytes: 29880249
num_examples: 4267
download_size: 58101334
dataset_size: 99971850
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

dataset_info:
特征字段：
- 名称：id，数据类型：64位整数（int64）
- 名称：subj（主语），数据类型：字符串（string）
- 名称：prop（属性/谓词），数据类型：字符串（string）
- 名称：obj（宾语），数据类型：字符串（string）
- 名称：subj_id（主语编号），数据类型：64位整数（int64）
- 名称：prop_id（属性编号），数据类型：64位整数（int64）
- 名称：obj_id（宾语编号），数据类型：64位整数（int64）
- 名称：s_aliases（主语别名），数据类型：字符串（string）
- 名称：o_aliases（宾语别名），数据类型：字符串（string）
- 名称：s_uri（主语统一资源标识符），数据类型：字符串（string）
- 名称：o_uri（宾语统一资源标识符），数据类型：字符串（string）
- 名称：s_wiki_title（主语维基百科标题），数据类型：字符串（string）
- 名称：o_wiki_title（宾语维基百科标题），数据类型：字符串（string）
- 名称：s_pop（主语流行度），数据类型：64位整数（int64）
- 名称：o_pop（宾语流行度），数据类型：64位整数（int64）
- 名称：question（查询问题），数据类型：字符串（string）
- 名称：answers（答案集合），数据类型：字符串序列（sequence<string>）
- 名称：ctxs（上下文列表），数据类型：列表（list），其元素结构为：
- hasanswer（是否包含答案）：布尔类型（bool）
- id：字符串类型（string）
- score（匹配得分）：字符串类型（string）
- text（上下文文本）：字符串类型（string）
- title（上下文标题）：字符串类型（string）
数据集划分：
- 名称：train（训练集），字节占用量：70091601，样本数量：10000
- 名称：test（测试集），字节占用量：29880249，样本数量：4267
下载尺寸：58101334 字节
数据集总尺寸：99971850 字节
configs:
数据集配置：
- 配置名称：default（默认配置），数据文件路径：
- 划分：train（训练集），路径：data/train-*
- 划分：test（测试集），路径：data/test-*

原始信息汇总

数据集概述

特征信息

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

数据集划分

数据集分为以下几个部分：

• train: 包含 10000 个样本，大小为 70091601 字节
• test: 包含 4267 个样本，大小为 29880249 字节

数据集大小

• 下载大小: 58101334 字节
• 数据集总大小: 99971850 字节

配置信息

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

搜集汇总

背景与挑战

背景概述

该数据集是一个多领域的事实性问答数据集，包含14,267行数据，涵盖电影、音乐、书籍、体育等多个主题，提供了问题和对应答案以及相关上下文信息。