amitdanin/s3_spyder

Spider数据集是一个大规模、复杂且跨领域的语义解析和文本到SQL的数据集，由11名耶鲁大学的学生标注。该数据集的目的是开发跨领域数据库的自然语言接口。数据集包含自然语言问题和相应的SQL查询，数据字段包括数据库名称、自然语言问题、目标SQL查询以及查询和问题的令牌列表。数据集分为训练集和验证集，分别包含7000和1034个问题和SQL查询对。数据集的文本为英文，采用CC BY-SA 4.0许可证。

原始信息汇总

数据集概述

数据集名称

• 名称: Spider
• 别名: 无

数据集基本信息

• 语言: 英语
• 许可证: CC-BY-4.0
• 多语言性: 单语种
• 大小类别: 1K<n<10K
• 源数据集: 原始数据
• 任务类别: 文本到文本生成
• 任务ID: 无
• 标签: 文本到SQL

数据集结构

• 特征:
  • db_id: 字符串类型
  • query: 字符串类型
  • question: 字符串类型
  • query_toks: 字符串序列类型
  • query_toks_no_value: 字符串序列类型
  • question_toks: 字符串序列类型
• 数据分割:
  • 训练集: 7000个示例，总字节数4743786
  • 验证集: 1034个示例，总字节数682090
• 下载大小: 99736136字节
• 数据集大小: 5425876字节

数据集创建

• 注释创建者: 专家生成
• 语言创建者: 专家生成和机器生成
• 注释: 由耶鲁大学的11名学生标注

数据集使用注意事项

• 社会影响: 未提供详细信息
• 偏见讨论: 未提供详细信息
• 其他已知限制: 未提供详细信息

附加信息

• 数据集维护者: 未提供详细信息

• 许可证信息: 数据集根据CC BY-SA 4.0授权

• 引用信息:

  @article{yu2018spider, title={Spider: A large-scale human-labeled dataset for complex and cross-domain semantic parsing and text-to-sql task}, author={Yu, Tao and Zhang, Rui and Yang, Kai and Yasunaga, Michihiro and Wang, Dongxu and Li, Zifan and Ma, James and Li, Irene and Yao, Qingning and Roman, Shanelle and others}, journal={arXiv preprint arXiv:1809.08887}, year={2018} }

• 贡献者: 感谢@olinguyen添加此数据集