KennethTM/squad_pairs_danish

---
dataset_info:
features:
- name: query
dtype: string
- name: passage
dtype: string
splits:
- name: train
num_bytes: 69338889
num_examples: 87599
download_size: 11644151
dataset_size: 69338889
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
language:
- da
task_categories:
- feature-extraction
- question-answering
license: cc-by-sa-4.0
---

# SQuAD question-answer pairs in Danish

## About

This dataset is a version of the [SQuAD question-answer pairs dataset](https://huggingface.co/datasets/sentence-transformers/embedding-training-data) machine-translated from English to Danish ([link to original dataset](https://huggingface.co/datasets/squad)).

Machine translation is performed using the Helsinki NLP [English-to-Danish OPUS-MT model](https://huggingface.co/Helsinki-NLP/opus-mt-en-da).

The dataset contains ~87k question-answer pairs and can be used to train embedding and question-answer models. Each pair consists of one question ('query') and one passage containing the answer ('passage').

## Usage

Using the HuggingFace datasets library:

```python
from datasets import load_dataset

dataset = load_dataset("KennethTM/squad_pairs_danish")
```

原始信息汇总

SQuAD question-answer pairs in Danish

数据集概述

特征

• query: 数据类型为字符串。
• passage: 数据类型为字符串。

数据分割

• train: 包含87599个样本，总大小为69338889字节。

数据大小

• 下载大小: 11644151字节。
• 数据集大小: 69338889字节。

配置

• default: 包含训练数据文件，路径为data/train-*。

语言

• 丹麦语 (da)

任务类别

• 特征提取
• 问答系统

许可证

• CC BY-SA 4.0

数据集描述

该数据集是SQuAD question-answer pairs dataset的丹麦语版本，由英语机器翻译而来。使用Helsinki NLP的English-to-Danish OPUS-MT model进行翻译。

数据集包含约87k个问答对，可用于训练嵌入和问答模型。每个问答对包含一个问题（query）和一个包含答案的段落（passage）。