HudsonExperiments/p72-april-may_v7-index-corpus_staging-es-retrievals-5-14-24

--- dataset_info: features: - name: Question dtype: string - name: Answer dtype: string - name: Evidence Text sequence: string - name: Company Name dtype: string - name: Ticker dtype: string - name: Filing year dtype: float64 - name: Filing date dtype: string - name: CIK dtype: float64 - name: GICS_Sector dtype: string - name: URL_HTML dtype: string - name: q-id dtype: int64 - name: in-prod dtype: float64 - name: corpus-id sequence: int64 - name: retrieved-text sequence: string - name: retrieved-id sequence: int64 splits: - name: test num_bytes: 52533669 num_examples: 300 - name: train num_bytes: 52533669 num_examples: 300 download_size: 45009970 dataset_size: 105067338 configs: - config_name: default data_files: - split: test path: data/test-* - split: train path: data/train-* ---

原始信息汇总

数据集概述

数据集特征

• Question: 数据类型为字符串（string）。
• Answer: 数据类型为字符串（string）。
• Evidence Text: 数据类型为字符串序列（sequence: string）。
• Company Name: 数据类型为字符串（string）。
• Ticker: 数据类型为字符串（string）。
• Filing year: 数据类型为浮点数（float64）。
• Filing date: 数据类型为字符串（string）。
• CIK: 数据类型为浮点数（float64）。
• GICS_Sector: 数据类型为字符串（string）。
• URL_HTML: 数据类型为字符串（string）。
• q-id: 数据类型为整数（int64）。
• in-prod: 数据类型为浮点数（float64）。
• corpus-id: 数据类型为整数序列（sequence: int64）。
• retrieved-text: 数据类型为字符串序列（sequence: string）。
• retrieved-id: 数据类型为整数序列（sequence: int64）。

数据集分割

• test: 包含300个示例，总大小为52533669字节。
• train: 包含300个示例，总大小为52533669字节。

数据集大小

• 下载大小: 45009970字节。
• 数据集总大小: 105067338字节。

配置文件

• config_name: default
• data_files:
  • split: test, 路径: data/test-*
  • split: train, 路径: data/train-*