davidfant/natural-questions-chunk-12

---
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: 4702513040
num_examples: 10000
download_size: 1825603078
dataset_size: 4702513040
---
# Dataset Card for "natural-questions-chunk-12"

[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

数据集信息

特征结构

• id: 数据类型为字符串。
• document: 包含以下结构：
  • html: 数据类型为字符串。
  • title: 数据类型为字符串。
  • tokens: 包含以下序列：
    • 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: 包含以下结构：
  • text: 数据类型为字符串。
  • tokens: 数据类型为字符串序列。
• long_answer_candidates: 包含以下序列：
  • 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: 包含以下序列：
  • id: 数据类型为字符串。
  • long_answer: 包含以下结构：
    • 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: 包含以下序列：
    • 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: 数据类型为分类标签，包含以下名称：
    • 0: NO
    • 1: YES

数据集划分

• train: 包含10000个样本，总字节数为4702513040。

数据集大小

• 下载大小: 1825603078字节。
• 数据集大小: 4702513040字节。