Atipico1/NQ-30k_preprocessed

---
dataset_info:
features:
- name: question
dtype: string
- name: answers
sequence: string
- name: ctxs
list:
- name: hasanswer
dtype: bool
- name: id
dtype: string
- name: score
dtype: float64
- name: text
dtype: string
- name: title
dtype: string
- name: masked_query
dtype: string
- name: query_embedding
sequence: float32
splits:
- name: train
num_bytes: 193660725
num_examples: 30000
- name: test
num_bytes: 23378336
num_examples: 3610
download_size: 191716751
dataset_size: 217039061
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

原始信息汇总

数据集概述

数据集特征

• question: 问题，数据类型为字符串。
• answers: 答案，数据类型为字符串序列。
• ctxs: 上下文列表，包含以下字段：
  • hasanswer: 是否有答案，数据类型为布尔值。
  • id: 标识符，数据类型为字符串。
  • score: 分数，数据类型为浮点数（float64）。
  • text: 文本，数据类型为字符串。
  • title: 标题，数据类型为字符串。
• masked_query: 掩码查询，数据类型为字符串。
• query_embedding: 查询嵌入，数据类型为浮点数序列（float32）。

数据集分割

• train: 训练集，包含30000个样本，占用193660725字节。
• test: 测试集，包含3610个样本，占用23378336字节。

数据集大小

• 下载大小: 191716751字节。
• 数据集大小: 217039061字节。

配置

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