Seongill/nq_qa_set

---
dataset_info:
features:
- name: question
dtype: string
- name: answers
sequence: string
- name: ctxs
list:
- name: hasanswer
dtype: bool
- name: id
dtype: string
- name: score
dtype: float64
- name: text
dtype: string
- name: title
dtype: string
- name: masked_query
dtype: string
- name: query_embedding
sequence: float32
splits:
- name: train
num_bytes: 854033679
num_examples: 87925
download_size: 662313863
dataset_size: 854033679
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征字段：
- 特征名称：问题（question），数据类型：字符串（string）
- 特征名称：答案（answers），数据类型：字符串序列（sequence of string）
- 特征名称：上下文集合（ctxs），为列表类型，其内部包含以下子字段：
- 子字段名称：是否包含答案（hasanswer），数据类型：布尔值（bool）
- 子字段名称：标识符（id），数据类型：字符串（string）
- 子字段名称：评分（score），数据类型：64位浮点数（float64）
- 子字段名称：文本（text），数据类型：字符串（string）
- 子字段名称：标题（title），数据类型：字符串（string）
- 特征名称：掩码查询（masked_query），数据类型：字符串（string）
- 特征名称：查询嵌入（query_embedding），数据类型：32位浮点数序列（sequence of float32）
数据集划分：
- 划分名称：训练集（train），字节占用量：854033679，样本数量：87925
下载大小：662313863
数据集总大小：854033679
配置项：
- 配置名称：默认（default），数据文件：
- 划分集：训练集（train），文件路径：data/train-*

原始信息汇总

数据集概述

数据集特征

• question: 问题，数据类型为字符串。
• answers: 答案，数据类型为字符串序列。
• ctxs: 上下文列表，包含以下字段：
  • hasanswer: 是否有答案，数据类型为布尔值。
  • id: 标识符，数据类型为字符串。
  • score: 分数，数据类型为浮点数（float64）。
  • text: 文本内容，数据类型为字符串。
  • title: 标题，数据类型为字符串。
• masked_query: 掩码查询，数据类型为字符串。
• query_embedding: 查询嵌入，数据类型为浮点数序列（float32）。

数据集分割

• train: 训练集，包含87925个样本，占用854033679字节。

数据集大小

• 下载大小: 662313863字节
• 数据集大小: 854033679字节

配置

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