Thanmay/squad_v2

该数据集包含多个配置，每个配置下都有训练集和验证集。数据集的特征包括id、title、context、question和answers，表明这可能是一个问答或阅读理解相关的数据集。不同配置（如default、eng_Latn、hi）可能对应不同的语言或处理方式。

This dataset includes multiple configurations, each with training and validation sets. The features of the dataset include id, title, context, question, and answers, suggesting that it may be related to question answering or reading comprehension tasks. Different configurations (e.g., default, eng_Latn, hi) may correspond to different languages or processing methods.

原始信息汇总

数据集概述

数据集配置

默认配置 (default)

• 特征:
  • id: 字符串类型
  • title: 字符串类型
  • context: 字符串类型
  • question: 字符串类型
  • answers: 字符串类型
  • nearest_pages: 字符串序列类型
• 分割:
  • train:
    • 字节数: 2175718927
    • 样本数: 86821
  • validation:
    • 字节数: 6474395
    • 样本数: 5928
• 下载大小: 35167100 字节
• 数据集大小: 2182193322 字节

英语配置 (eng_Latn)

• 特征:
  • id: 字符串类型
  • title: 字符串类型
  • context: 字符串类型
  • question: 字符串类型
  • answers: 字符串类型
• 分割:
  • train:
    • 字节数: 77613661
    • 样本数: 86821
  • validation:
    • 字节数: 5665807
    • 样本数: 5928
• 下载大小: 15053478 字节
• 数据集大小: 83279468 字节

印地语配置 (hi)

• 特征:
  • id: 字符串类型
  • title: 字符串类型
  • context: 字符串类型
  • question: 字符串类型
  • answers: 字符串类型
• 分割:
  • train:
    • 字节数: 88376153
    • 样本数: 86821
  • validation:
    • 字节数: 6426971
    • 样本数: 5928
• 下载大小: 34056319 字节
• 数据集大小: 94803124 字节

数据文件路径

默认配置 (default)

• train: data/train-*
• validation: data/validation-*

英语配置 (eng_Latn)

• train: eng_Latn/train-*
• validation: eng_Latn/validation-*

印地语配置 (hi)

• train: hi/train-*
• validation: hi/validation-*