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》。

The WikiTableQuestions dataset is a large-scale question answering dataset targeting semi-structured tables. It includes multiple configurations, each equipped with training, validation, and test splits. Its core fields consist of id, question, answer, and table information, where the table information contains table headers, row data, and table names. The dataset is in English and licensed under CC-BY-4.0. It was developed by Panupong Pasupat and Percy Liang, with its associated academic paper titled *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。