nfliu/decontextualization

---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
dataset_info:
features:
- name: example_id
dtype: int64
- name: original_sentence
dtype: string
- name: page_title
dtype: string
- name: section_title
sequence: string
- name: paragraph_text
dtype: string
- name: sentence_start_byte_offset
dtype: int64
- name: sentence_end_byte_offset
dtype: int64
- name: article_url
dtype: string
- name: annotations
list:
- name: category
dtype: string
- name: decontextualized_sentence
dtype: string
- name: example_id
dtype: int64
- name: original_sentence
dtype: string
- name: worker_id
dtype: int64
splits:
- name: train
num_bytes: 15224065
num_examples: 11290
- name: validation
num_bytes: 5315183
num_examples: 1945
- name: test
num_bytes: 5359001
num_examples: 1945
download_size: 13617475
dataset_size: 25898249
---
# Dataset Card for "decontextualization"

[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

配置

• 默认配置：
  • 训练集：路径为 data/train-*
  • 验证集：路径为 data/validation-*
  • 测试集：路径为 data/test-*

数据集信息

• 特征：
  • example_id：类型为 int64
  • original_sentence：类型为 string
  • page_title：类型为 string
  • section_title：类型为 string 序列
  • paragraph_text：类型为 string
  • sentence_start_byte_offset：类型为 int64
  • sentence_end_byte_offset：类型为 int64
  • article_url：类型为 string
  • annotations：列表类型，包含以下子特征：
    • category：类型为 string
    • decontextualized_sentence：类型为 string
    • example_id：类型为 int64
    • original_sentence：类型为 string
    • worker_id：类型为 int64

数据集分割

• 训练集：
  • 字节数：15224065
  • 样本数：11290
• 验证集：
  • 字节数：5315183
  • 样本数：1945
• 测试集：
  • 字节数：5359001
  • 样本数：1945

数据集大小

• 下载大小：13617475 字节
• 数据集大小：25898249 字节