yijingwu/HeySQuAD_machine

HeySQuAD是一个口语问答数据集，包含音频、转录、问题、上下文、答案以及答案的起始和结束位置等特征。数据集分为训练集和验证集，分别包含87596和10567个样本。数据集的下载大小为10389892483字节，总大小为10723386635.824字节。

原始信息汇总

数据集概述

许可证

• 许可证类型：CC BY 4.0

数据集信息

• 特征：

  • audio: 音频数据
  • transcription: 字符串类型，转录文本
  • question: 字符串类型，问题
  • context: 字符串类型，上下文
  • answer: 字符串类型，答案
  • answer_start: 整数类型，答案开始位置
  • answer_end: 整数类型，答案结束位置

• 数据分割：

  • train: 训练集，包含9574532089.4字节，87596个样本
  • validation: 验证集，包含1148854546.424字节，10567个样本

• 数据大小：

  • 下载大小：10389892483字节
  • 数据集大小：10723386635.824字节

配置

• 默认配置：
  • train: 路径为 data/train-*
  • validation: 路径为 data/validation-*

引用

@misc{wu2023heysquad, title={HeySQuAD: A Spoken Question Answering Dataset}, author={Yijing Wu and SaiKrishna Rallabandi and Ravisutha Srinivasamurthy and Parag Pravin Dakle and Alolika Gon and Preethi Raghavan}, year={2023}, eprint={2304.13689}, archivePrefix={arXiv}, primaryClass={cs.CL} }