five

pavanmantha/BioASQ

收藏
Hugging Face2024-07-17 更新2024-07-22 收录
下载链接:
https://hf-mirror.com/datasets/pavanmantha/BioASQ
下载链接
链接失效反馈
官方服务:
资源简介:
该数据集包含两个主要特征:questions和ground_truth,均为字符串类型。数据集被分为一个训练集,包含4719个样本,总大小为1503254字节。下载大小为951749字节。

This dataset includes two main features: questions and ground_truth, both of which are of string type. The dataset is divided into a training set containing 4719 samples, with a total size of 1503254 bytes. The download size is 951749 bytes.
提供机构:
pavanmantha
原始信息汇总

BioASQ 数据集概述

基本信息

  • 名称: BioASQ
  • 描述: pavanmantha/BioASQ 数据集托管在 HF Mirror 并由 HF Datasets 社区贡献。
  • 别名: pavanmantha/BioASQ
  • 创建者: Kameshwara Pavan Kumar Mantha
  • 网址: https://hf-mirror.com/datasets/pavanmantha/BioASQ

数据集详情

  • 符合标准: http://mlcommons.org/croissant/1.0
  • 关键词:
    • 1K - 10K
    • parquet
    • Text
    • Datasets
    • pandas
    • Croissant
    • 🇺🇸 Region: US

数据分布

  • 类型: cr:FileObject

  • ID: repo

  • 名称: repo

  • 描述: HF Mirror git 仓库。

  • 内容 URL: https://hf-mirror.com/datasets/pavanmantha/BioASQ/tree/refs%2Fconvert%2Fparquet

  • 编码格式: git+https

  • SHA256: https://github.com/mlcommons/croissant/issues/80

  • 类型: cr:FileSet

  • ID: parquet-files-for-config-default

  • 名称: parquet-files-for-config-default

  • 描述: 由 HF Mirror 转换的底层 Parquet 文件(参见:https://hf-mirror.com/docs/datasets-server/parquet)。

  • 包含于: repo

  • 编码格式: application/x-parquet

  • 包含: default//.parquet

记录集

  • 类型: cr:RecordSet
  • ID: default
  • 名称: default
  • 描述: pavanmantha/BioASQ - default 子集

字段

  • 类型: cr:Field

  • ID: default/questions

  • 名称: default/questions

  • 描述: HF Mirror parquet 文件中的 questions 列。

  • 数据类型: sc:Text

  • 来源:

    • 文件集: parquet-files-for-config-default
    • 提取: questions 列
  • 类型: cr:Field

  • ID: default/ground_truth

  • 名称: default/ground_truth

  • 描述: HF Mirror parquet 文件中的 ground_truth 列。

  • 数据类型: sc:Text

  • 来源:

    • 文件集: parquet-files-for-config-default
    • 提取: ground_truth 列
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作