Atipico1/webq-top5

---
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
splits:
- name: train
num_bytes: 12802943
num_examples: 3778
- name: test
num_bytes: 6902170
num_examples: 2032
download_size: 11570324
dataset_size: 19705113
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

数据集信息：
特征字段：
- 字段名：问题（question），数据类型：字符串
- 字段名：答案（answers），数据类型：字符串序列
- 字段名：上下文（ctxs），数据类型为列表，列表内包含子字段：
- 子字段名：是否包含答案（hasanswer），数据类型：布尔型
- 子字段名：标识符（id），数据类型：字符串
- 子字段名：得分（score），数据类型：浮点型
- 子字段名：文本（text），数据类型：字符串
- 子字段名：标题（title），数据类型：字符串
数据划分：
- 划分名称：训练集（train），字节数：12802943，样本数：3778
- 划分名称：测试集（test），字节数：6902170，样本数：2032
下载大小：11570324，数据集总大小：19705113
配置项：
- 配置名称：默认配置（default），数据文件：
- 训练集（train）划分对应路径：data/train-*
- 测试集（test）划分对应路径：data/test-*

原始信息汇总

数据集概述

数据特征

• 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: 文本内容，数据类型为字符串。
  • title: 标题，数据类型为字符串。

数据分割

• train: 训练集，包含3778个样本，占用12802943字节。
• test: 测试集，包含2032个样本，占用6902170字节。

数据集大小

• 下载大小: 11570324字节
• 数据集大小: 19705113字节

配置信息

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

搜集汇总

背景与挑战

背景概述

该数据集包含约5,810条问答对及其上下文信息，适用于问答系统和信息检索任务。数据以parquet格式存储，涵盖多种主题的问题和答案。