asas-ai/tydiqa-ar-primary_task

该数据集是一个阿拉伯语的问答数据集，名为tydiqa-ar，使用Apache 2.0许可证。数据集包含训练集和验证集，分别有23092和1380个样本。数据集的特征包括passage_answer_candidates、question_text、document_title、language、annotations、document_plaintext和document_url等，适用于问答任务。

原始信息汇总

数据集概述

基本信息

• 名称: tydiqa-ar
• 语言: 阿拉伯语 (ar)
• 许可证: Apache-2.0
• 任务类别: 问答 (question-answering)

配置

• 默认配置:
  • 训练数据路径: data/train-*
  • 验证数据路径: data/validation-*

数据集特征

• passage_answer_candidates:
  • plaintext_start_byte: int32
  • plaintext_end_byte: int32
• question_text: string
• document_title: string
• language: string
• annotations:
  • passage_answer_candidate_index: int32
  • minimal_answers_start_byte: int32
  • minimal_answers_end_byte: int32
  • yes_no_answer: string
• document_plaintext: string
• document_url: string

数据集统计

• 训练集:
  • 字节数: 767894331.3564428
  • 样本数: 23092
• 验证集:
  • 字节数: 35803153.66148902
  • 样本数: 1380
• 下载大小: 364886604
• 数据集大小: 803697485.0179318