seonglae/resrer-nq

该数据集包含多个字段，如文档文本（document_text）、问题文本（question_text）、注释（annotations）等。每个字段都有其特定的数据类型和结构。数据集被划分为训练集，包含55113个样本，总大小为497862929.4517183字节。

原始信息汇总

数据集概述

数据集信息

特征

• document_text: 文档文本，数据类型为字符串。
• long_answer_candidates: 长答案候选列表，包含以下字段：
  • end_token: 结束标记，数据类型为int64。
  • start_token: 起始标记，数据类型为int64。
  • top_level: 是否为顶级，数据类型为布尔值。
• question_text: 问题文本，数据类型为字符串。
• annotations: 注释列表，包含以下字段：
  • annotation_id: 注释ID，数据类型为float64。
  • long_answer: 长答案，包含以下字段：
    • candidate_index: 候选索引，数据类型为int64。
    • end_token: 结束标记，数据类型为int64。
    • start_token: 起始标记，数据类型为int64。
  • short_answers: 短答案列表，包含以下字段：
    • end_token: 结束标记，数据类型为int64。
    • start_token: 起始标记，数据类型为int64。
  • yes_no_answer: 是/否答案，数据类型为字符串。
• document_url: 文档URL，数据类型为字符串。
• example_id: 示例ID，数据类型为int64。
• long_answer_text: 长答案文本，数据类型为字符串。
• short_answer_text: 短答案文本，数据类型为字符串。
• split_id: 分割ID，数据类型为字符串。
• answer_exist_chunk: 答案存在块，数据类型为布尔值。
• summarization_text: 摘要文本，数据类型为字符串。

数据分割

• train: 训练集，包含55113个示例，占用497862929.4517183字节。

数据集大小

• 下载大小: 121306017字节。
• 数据集大小: 497862929.4517183字节。

配置

• default: 默认配置，包含训练集数据文件路径为data/train-*。