Atipico1/NQ_preprocessed-case_with_o-u-c_case

---
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: original_case
list:
- name: answer
dtype: string
- name: context
dtype: string
- name: distance
dtype: string
- name: original_answers
sequence: string
- name: question
dtype: string
- name: unans_case
list:
- name: answer
dtype: string
- name: answers
sequence: string
- name: context
dtype: string
- name: distance
dtype: string
- name: original_answers
sequence: string
- name: question
dtype: string
- name: conflict_case
list:
- name: answer
dtype: string
- name: conflict_context
dtype: string
- name: context
dtype: string
- name: distance
dtype: string
- name: original_answers
sequence: string
- name: question
dtype: string
splits:
- name: train
num_bytes: 148030909
num_examples: 10000
- name: test
num_bytes: 53910872
num_examples: 3610
download_size: 116971555
dataset_size: 201941781
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。
• original_case: 原始案例列表，包含以下字段：
  • answer: 答案，数据类型为字符串。
  • context: 上下文，数据类型为字符串。
  • distance: 距离，数据类型为字符串。
  • original_answers: 原始答案，数据类型为字符串序列。
  • question: 问题，数据类型为字符串。
• unans_case: 无答案案例列表，包含以下字段：
  • answer: 答案，数据类型为字符串。
  • answers: 答案，数据类型为字符串序列。
  • context: 上下文，数据类型为字符串。
  • distance: 距离，数据类型为字符串。
  • original_answers: 原始答案，数据类型为字符串序列。
  • question: 问题，数据类型为字符串。
• conflict_case: 冲突案例列表，包含以下字段：
  • answer: 答案，数据类型为字符串。
  • conflict_context: 冲突上下文，数据类型为字符串。
  • context: 上下文，数据类型为字符串。
  • distance: 距离，数据类型为字符串。
  • original_answers: 原始答案，数据类型为字符串序列。
  • question: 问题，数据类型为字符串。

数据集分割

• train: 训练集，包含10000个样本，占用148030909字节。
• test: 测试集，包含3610个样本，占用53910872字节。

数据集大小

• 下载大小: 116971555字节。
• 数据集大小: 201941781字节。

配置

• default: 默认配置，包含以下数据文件：
  • train: 训练集文件路径为data/train-*。
  • test: 测试集文件路径为data/test-*。