PartiallyTyped/answerable_tydiqa_preprocessed

--- dataset_info: features: - name: language dtype: string - name: question dtype: string - name: context dtype: string - name: references struct: - name: answers struct: - name: answer_start sequence: int64 - name: text sequence: string - name: id dtype: string - name: id dtype: string splits: - name: train num_bytes: 21252073.336011786 num_examples: 29800 - name: validation num_bytes: 2657400.5792025863 num_examples: 3709 download_size: 16838253 dataset_size: 23909473.91521437 --- # Dataset Card for "answerable_tydiqa_preprocessed" [More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)数据集信息： 特征列表： - 名称：语言（language），数据类型：字符串 - 名称：问题（question），数据类型：字符串 - 名称：上下文（context），数据类型：字符串 - 名称：参考答案（references），为结构体类型，包含两个子项： - 答案（answers），结构体类型： - 答案起始位置（answer_start），序列类型的64位整数 - 文本（text），序列类型的字符串 - 编号（id），数据类型：字符串 - 名称：编号（id），数据类型：字符串 数据集拆分： - 名称：训练集（train），字节占用：21252073.336011786，样本数量：29800 - 名称：验证集（validation），字节占用：2657400.5792025863，样本数量：3709 下载总大小：16838253 数据集总容量：23909473.91521437 --- # 「answerable_tydiqa_preprocessed」数据集卡片 [需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集信息

特征

• language: 数据类型为字符串。
• question: 数据类型为字符串。
• context: 数据类型为字符串。
• references: 结构化数据，包含以下字段：
  • answers: 结构化数据，包含以下字段：
    • answer_start: 数据类型为整数序列。
    • text: 数据类型为字符串序列。
  • id: 数据类型为字符串。
• id: 数据类型为字符串。

数据分割

• train: 包含29800个样本，占用21252073.336011786字节。
• validation: 包含3709个样本，占用2657400.5792025863字节。

数据集大小

• 下载大小: 16838253字节。
• 数据集大小: 23909473.91521437字节。