davidfant/natural-questions-chunk-20

---
dataset_info:
features:
- name: id
dtype: string
- name: document
struct:
- name: html
dtype: string
- name: title
dtype: string
- name: tokens
sequence:
- name: end_byte
dtype: int64
- name: is_html
dtype: bool
- name: start_byte
dtype: int64
- name: token
dtype: string
- name: url
dtype: string
- name: question
struct:
- name: text
dtype: string
- name: tokens
sequence: string
- name: long_answer_candidates
sequence:
- name: end_byte
dtype: int64
- name: end_token
dtype: int64
- name: start_byte
dtype: int64
- name: start_token
dtype: int64
- name: top_level
dtype: bool
- name: annotations
sequence:
- name: id
dtype: string
- name: long_answer
struct:
- name: candidate_index
dtype: int64
- name: end_byte
dtype: int64
- name: end_token
dtype: int64
- name: start_byte
dtype: int64
- name: start_token
dtype: int64
- name: short_answers
sequence:
- name: end_byte
dtype: int64
- name: end_token
dtype: int64
- name: start_byte
dtype: int64
- name: start_token
dtype: int64
- name: text
dtype: string
- name: yes_no_answer
dtype:
class_label:
names:
'0': 'NO'
'1': 'YES'
splits:
- name: train
num_bytes: 4624502711
num_examples: 10000
download_size: 1799241466
dataset_size: 4624502711
---
# Dataset Card for "natural-questions-chunk-20"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

特征结构

• id: 字符串类型
• document: 结构体类型
  • html: 字符串类型
  • title: 字符串类型
  • tokens: 序列类型
    • end_byte: 64位整数类型
    • is_html: 布尔类型
    • start_byte: 64位整数类型
    • token: 字符串类型
  • url: 字符串类型
• question: 结构体类型
  • text: 字符串类型
  • tokens: 字符串序列类型
• long_answer_candidates: 序列类型
  • end_byte: 64位整数类型
  • end_token: 64位整数类型
  • start_byte: 64位整数类型
  • start_token: 64位整数类型
  • top_level: 布尔类型
• annotations: 序列类型
  • id: 字符串类型
  • long_answer: 结构体类型
    • candidate_index: 64位整数类型
    • end_byte: 64位整数类型
    • end_token: 64位整数类型
    • start_byte: 64位整数类型
    • start_token: 64位整数类型
  • short_answers: 序列类型
    • end_byte: 64位整数类型
    • end_token: 64位整数类型
    • start_byte: 64位整数类型
    • start_token: 64位整数类型
    • text: 字符串类型
  • yes_no_answer: 类别标签类型
    • names:
      • 0: NO
      • 1: YES

数据集划分

• train:
  • num_bytes: 4624502711 字节
  • num_examples: 10000 个样本

数据集大小

• download_size: 1799241466 字节
• dataset_size: 4624502711 字节