Pravallika6/hit_dataset_grouped

--- configs: - config_name: default data_files: - split: train path: train.parquet - split: validation path: val.parquet - split: test path: test.parquet --- # HiT Grouped Dataset Grouped (child, parents, negatives) training data for cone-loss HiT training. ## Columns - `child` — question or trigger observation text - `parent_1 parent_2 parent_3` — all true parent texts (padded by repeating last if fewer than 3) - `negative_1 negative_2 negative_3 negative_4 negative_5 negative_6 negative_7 negative_8` — sampled negative texts from same-depth pool ## Structure Built from the full alternating hierarchy: ``` depth 0 explanations depth 0.5 questions depth 1 explanations (trigger observations for depth-0.5 questions) depth 1.5 questions depth 2 explanations depth 2.5 questions depth 3 explanations ``` Two edge types per row: - **answer edges**: child=question, parents=explanations at depth n - **trigger edges**: child=explanation, parents=questions at depth n ## Usage ```python HierarchyTransformerLoss(n_parents=3, n_negatives=8) ```配置项： - 配置名称：default 数据文件： - 划分集：训练集，路径：train.parquet - 划分集：验证集，路径：val.parquet - 划分集：测试集，路径：test.parquet # HiT 分组数据集 本数据集为用于锥损失HiT训练的（子项、父项、负样本）分组训练数据。 ## 字段说明 - `child`：问题或触发观测文本 - `parent_1`、`parent_2`、`parent_3`：所有真实父文本（若不足3项，则重复最后一项补齐至3项） - `negative_1`至`negative_8`：从同深度样本池采样得到的负样本文本 ## 数据集结构 本数据集基于完整交替层级构建，层级结构如下： 深度0 解释文本 深度0.5 问题文本 深度1 解释文本（作为深度0.5问题的触发观测文本） 深度1.5 问题文本 深度2 解释文本 深度2.5 问题文本 深度3 解释文本 每行包含两种边类型： - **回答边**：子项为问题，父项为深度n处的解释文本 - **触发边**：子项为解释文本，父项为深度n处的问题文本 ## 使用示例 python HierarchyTransformerLoss(n_parents=3, n_negatives=8)