wisenut-nlp-team/aihub_retriever_books

该数据集包含用于机器阅读理解任务的书籍资料。数据集的特征包括id、title、context和questions，其中questions是一个字符串序列。数据集分为训练集和验证集，训练集包含225,000个样本，验证集包含12,500个样本。总下载大小为171,784,455字节，数据集总大小为415,248,868字节。

This dataset contains book materials for machine reading comprehension tasks. The features of the dataset include id, title, context, and questions, where questions is a sequence of strings. The dataset is divided into a training set and a validation set, with the training set containing 225,000 samples and the validation set containing 12,500 samples. The total download size is 171,784,455 bytes, and the total dataset size is 415,248,868 bytes.

原始信息汇总

数据集概述

数据集信息

• 特征:
  • id: 字符串类型
  • title: 字符串类型
  • context: 字符串类型
  • questions: 字符串序列类型

数据分割

• 训练集:
  • 字节数: 393,932,197
  • 样本数: 225,000
• 验证集:
  • 字节数: 21,316,671
  • 样本数: 12,500

数据集大小

• 下载大小: 171,784,455 字节
• 总大小: 415,248,868 字节

配置

• 默认配置:
  • 训练集路径: data/train-*
  • 验证集路径: data/validation-*