Stanford/wikitablequestions

WikiTableQuestions数据集是一个用于半结构化表格上问答任务的大规模数据集。数据集包含多个配置，每个配置都有训练、验证和测试集。数据集的字段包括id、问题、答案和表格信息。表格信息包含表头、行数据和表格名称。数据集的语言为英语，许可证为CC-BY-4.0。数据集的创建者包括Panupong Pasupat和Percy Liang，并且数据集的相关论文为《Compositional Semantic Parsing on Semi-Structured Tables》。

原始信息汇总

数据集卡片 for WikiTableQuestions

数据集描述

数据集概述

WikiTableQuestions 数据集是一个用于半结构化表格问答任务的大规模数据集。

支持的任务和排行榜

• 问答 (question-answering)
• 表格问答 (table-question-answering)

语言

• 英语 (en)

数据集结构

数据实例

默认配置

• 下载的数据集文件大小: 29.27 MB
• 生成的数据集大小: 47.90 MB
• 磁盘总使用量: 77.18 MB

一个 validation 实例的示例如下： json { "id": "nt-0", "question": "what was the last year where this team was a part of the usl a-league?", "answers": ["2004"], "table": { "header": ["Year", "Division", "League", ...], "name": "csv/204-csv/590.csv", "rows": [ ["2001", "2", "USL A-League", ...], ["2002", "2", "USL A-League", ...], ... ] } }

数据字段

所有分割的数据字段相同。

默认配置

• id: 字符串特征。
• question: 字符串特征。
• answers: 字符串列表特征。
• table: 包含以下字段的字典特征：
  • header: 字符串列表特征。
  • rows: 字符串列表的列表特征。
  • name: 字符串特征。

数据分割

名称	训练集	验证集	测试集
默认配置	11321	2831	4344

数据集创建

数据集配置

random-split-1

• 特征:
  • id: 字符串
  • question: 字符串
  • answers: 字符串序列
  • table: 结构体
    • header: 字符串序列
    • rows: 字符串序列的序列
    • name: 字符串
• 分割:
  • train: 30364389 字节, 11321 个样本
  • test: 11423506 字节, 4344 个样本
  • validation: 7145768 字节, 2831 个样本
• 下载大小: 29267445 字节
• 数据集大小: 48933663 字节

random-split-2

• 特征:
  • id: 字符串
  • question: 字符串
  • answers: 字符串序列
  • table: 结构体
    • header: 字符串序列
    • rows: 字符串序列的序列
    • name: 字符串
• 分割:
  • train: 30098954 字节, 11314 个样本
  • test: 11423506 字节, 4344 个样本
  • validation: 7411203 字节, 2838 个样本
• 下载大小: 29267445 字节
• 数据集大小: 48933663 字节

random-split-3

• 特征:
  • id: 字符串
  • question: 字符串
  • answers: 字符串序列
  • table: 结构体
    • header: 字符串序列
    • rows: 字符串序列的序列
    • name: 字符串
• 分割:
  • train: 28778697 字节, 11314 个样本
  • test: 11423506 字节, 4344 个样本
  • validation: 8731460 字节, 2838 个样本
• 下载大小: 29267445 字节
• 数据集大小: 48933663 字节

random-split-4

• 特征:
  • id: 字符串
  • question: 字符串
  • answers: 字符串序列
  • table: 结构体
    • header: 字符串序列
    • rows: 字符串序列的序列
    • name: 字符串
• 分割:
  • train: 30166421 字节, 11321 个样本
  • test: 11423506 字节, 4344 个样本
  • validation: 7343736 字节, 2831 个样本
• 下载大小: 29267445 字节
• 数据集大小: 48933663 字节

random-split-5

• 特征:
  • id: 字符串
  • question: 字符串
  • answers: 字符串序列
  • table: 结构体
    • header: 字符串序列
    • rows: 字符串序列的序列
    • name: 字符串
• 分割:
  • train: 30333964 字节, 11316 个样本
  • test: 11423506 字节, 4344 个样本
  • validation: 7176193 字节, 2836 个样本
• 下载大小: 29267445 字节
• 数据集大小: 48933663 字节

搜集汇总

背景与挑战

背景概述

WikiTableQuestions是一个大规模半结构化表格问答数据集，包含约1.8万条数据实例，覆盖训练、验证和测试集。数据集以英语问题、答案和对应表格数据为核心，表格包含表头和行信息，适用于训练和评估表格问答模型。