davidfant/natural-questions-chunk-6

---
dataset_info:
features:
- name: id
dtype: string
- name: document
struct:
- name: html
dtype: string
- name: title
dtype: string
- name: tokens
sequence:
- name: end_byte
dtype: int64
- name: is_html
dtype: bool
- name: start_byte
dtype: int64
- name: token
dtype: string
- name: url
dtype: string
- name: question
struct:
- name: text
dtype: string
- name: tokens
sequence: string
- name: long_answer_candidates
sequence:
- name: end_byte
dtype: int64
- name: end_token
dtype: int64
- name: start_byte
dtype: int64
- name: start_token
dtype: int64
- name: top_level
dtype: bool
- name: annotations
sequence:
- name: id
dtype: string
- name: long_answer
struct:
- name: candidate_index
dtype: int64
- name: end_byte
dtype: int64
- name: end_token
dtype: int64
- name: start_byte
dtype: int64
- name: start_token
dtype: int64
- name: short_answers
sequence:
- name: end_byte
dtype: int64
- name: end_token
dtype: int64
- name: start_byte
dtype: int64
- name: start_token
dtype: int64
- name: text
dtype: string
- name: yes_no_answer
dtype:
class_label:
names:
'0': 'NO'
'1': 'YES'
splits:
- name: train
num_bytes: 4655306372
num_examples: 10000
download_size: 1805442960
dataset_size: 4655306372
---
# Dataset Card for "natural-questions-chunk-6"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集信息

• 特征结构:
  • id: 数据类型为字符串。
  • document: 结构化数据，包含以下字段:
    • html: 数据类型为字符串。
    • title: 数据类型为字符串。
    • tokens: 序列化数据，包含以下字段:
      • end_byte: 数据类型为int64。
      • is_html: 数据类型为布尔值。
      • start_byte: 数据类型为int64。
      • token: 数据类型为字符串。
    • url: 数据类型为字符串。
  • question: 结构化数据，包含以下字段:
    • text: 数据类型为字符串。
    • tokens: 数据类型为字符串序列。
  • long_answer_candidates: 序列化数据，包含以下字段:
    • end_byte: 数据类型为int64。
    • end_token: 数据类型为int64。
    • start_byte: 数据类型为int64。
    • start_token: 数据类型为int64。
    • top_level: 数据类型为布尔值。
  • annotations: 序列化数据，包含以下字段:
    • id: 数据类型为字符串。
    • long_answer: 结构化数据，包含以下字段:
      • candidate_index: 数据类型为int64。
      • end_byte: 数据类型为int64。
      • end_token: 数据类型为int64。
      • start_byte: 数据类型为int64。
      • start_token: 数据类型为int64。
    • short_answers: 序列化数据，包含以下字段:
      • end_byte: 数据类型为int64。
      • end_token: 数据类型为int64。
      • start_byte: 数据类型为int64。
      • start_token: 数据类型为int64。
      • text: 数据类型为字符串。
    • yes_no_answer: 数据类型为分类标签，包含以下类别:
      • 0: NO
      • 1: YES

数据集分割

• train:
  • num_bytes: 4655306372 字节
  • num_examples: 10000 条数据

数据集大小

• download_size: 1805442960 字节
• dataset_size: 4655306372 字节