hugosousa/natural_questions_parsed

该数据集名为Natural Questions Parsed，包含自然语言处理中的问答数据。数据集的特征包括问题（question）、长答案（long_answer）、短答案（short_answers）、是否回答（yes_no_answer）、候选答案（candidates）、文档（document）和唯一标识符（id）。数据集分为训练集和验证集，分别包含307,373和7,830个样本。

原始信息汇总

数据集概述

基本信息

• 语言: 英语
• 许可证: CC BY-SA 3.0
• 数据集名称: Natural Questions Parsed

数据集结构

特征

• question: 字符串类型
• long_answer: 字符串类型
• short_answers: 字符串序列
• yes_no_answer: 整数序列
• candidates: 字符串序列
• document: 字符串类型
• id: 字符串类型

数据分割

• 训练集:
  • 字节数: 21949289652
  • 样本数: 307373
• 验证集:
  • 字节数: 533713369
  • 样本数: 7830

数据集大小

• 下载大小: 11330809696 字节
• 数据集大小: 22483003021 字节

配置

• 配置名称: default
• 数据文件:
  • 训练集: data/train-*
  • 验证集: data/validation-*