lucadiliello/naturalquestionsshortqa

该数据集是从MRQA 2019共享任务中提取的，经过格式化和过滤，专门用于问答任务。数据集包含上下文、问题、答案、键和标签等特征，并分为训练集和验证集。训练集包含104,071个样本，验证集包含12,836个样本。

原始信息汇总

数据集概述

特征信息

• context: 类型为字符串。
• question: 类型为字符串。
• answers: 类型为字符串序列。
• key: 类型为字符串。
• labels: 包含两个子特征：
  • end: 类型为int64序列。
  • start: 类型为int64序列。

数据分割

• train: 包含104071个样本，总字节数为100706304。
• validation: 包含12836个样本，总字节数为12941478。

数据集大小

• 下载大小: 61870589字节。
• 数据集大小: 113647782字节。