bdsaglam/musique-answerable-2hop

该数据集包含多个字段，主要用于问答系统的训练和验证。数据集中的每个条目包含一个唯一标识符（id）、多个段落（paragraphs）、一个问题（question）、问题的分解（question_decomposition）、答案（answer）、答案的别名（answer_aliases）、是否可回答（answerable）以及多个可能的答案（answers）。段落中包含段落的索引（idx）、标题（title）、段落文本（paragraph_text）以及是否支持答案（is_supporting）。问题的分解部分包含分解后的子问题的标识符（id）、子问题（question）、子问题的答案（answer）以及支持答案的段落索引（paragraph_support_idx）。数据集分为训练集和验证集，分别包含14376和1252个示例。

This dataset includes multiple fields primarily used for training and validating question-answering systems. Each entry in the dataset contains a unique identifier (id), multiple paragraphs (paragraphs), a question (question), decomposition of the question (question_decomposition), an answer (answer), aliases of the answer (answer_aliases), whether it is answerable (answerable), and multiple possible answers (answers). Paragraphs include the index of the paragraph (idx), title (title), paragraph text (paragraph_text), and whether it supports the answer (is_supporting). The question decomposition part includes the identifier of the decomposed sub-question (id), the sub-question (question), the answer to the sub-question (answer), and the index of the paragraph supporting the answer (paragraph_support_idx). The dataset is divided into training and validation sets, containing 14376 and 1252 examples, respectively.

原始信息汇总

数据集概述

数据集特征

• id: 数据类型为字符串。
• paragraphs: 列表类型，包含以下字段：
  • idx: 数据类型为int64。
  • title: 数据类型为字符串。
  • paragraph_text: 数据类型为字符串。
  • is_supporting: 数据类型为布尔值。
• question: 数据类型为字符串。
• question_decomposition: 列表类型，包含以下字段：
  • id: 数据类型为int64。
  • question: 数据类型为字符串。
  • answer: 数据类型为字符串。
  • paragraph_support_idx: 数据类型为int64。
• answer: 数据类型为字符串。
• answer_aliases: 序列类型，数据类型为字符串。
• answerable: 数据类型为布尔值。

数据集划分

• train: 包含14376个样本，大小为153452529.4986458字节。
• validation: 包含1252个样本，大小为13437791字节。

数据集大小

• 下载大小: 136371352字节。
• 数据集大小: 166890320.4986458字节。

配置

• default: 包含以下数据文件：
  • train: 路径为data/train-*。
  • validation: 路径为data/validation-*。