Atipico1/NQ-colbert-10k-case-entity

---
dataset_info:
features:
- name: question
dtype: string
- name: answers
sequence: string
- name: ctxs
list:
- name: hasanswer
dtype: bool
- name: score
dtype: float64
- name: text
dtype: string
- name: title
dtype: string
- name: masked_query
dtype: string
- name: original_case
list:
- name: answer
dtype: string
- name: context
dtype: string
- name: distance
dtype: string
- name: original_answers
sequence: string
- name: question
dtype: string
- name: unans_case
list:
- name: answer
dtype: string
- name: answers
sequence: string
- name: context
dtype: string
- name: distance
dtype: string
- name: original_answers
sequence: string
- name: question
dtype: string
- name: conflict_case
list:
- name: answer
dtype: string
- name: conflict_context
dtype: string
- name: context
dtype: string
- name: distance
dtype: string
- name: original_answers
sequence: string
- name: question
dtype: string
- name: context
dtype: string
- name: context_vague
dtype: string
- name: entity
dtype: string
- name: similar_entity
dtype: string
- name: similar_entity_score
dtype: float32
- name: random_entity
dtype: string
- name: random_entity_score
dtype: float64
splits:
- name: train
num_bytes: 105765666
num_examples: 6875
- name: test
num_bytes: 34382776
num_examples: 2230
download_size: 77391574
dataset_size: 140148442
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

数据集信息:
特征字段:
- 字段名: 问题（question）
数据类型: 字符串
- 字段名: 答案（answers）
数据类型: 字符串序列
- 字段名: 上下文集合（ctxs）
数据类型: 列表，包含以下子字段:
- 字段名: 是否包含答案（hasanswer）
数据类型: 布尔型（bool）
- 字段名: 得分（score）
数据类型: float64
- 字段名: 文本（text）
数据类型: 字符串
- 字段名: 标题（title）
数据类型: 字符串
- 字段名: 掩码查询（masked_query）
数据类型: 字符串
- 字段名: 原始样本组（original_case）
数据类型: 列表，包含以下子字段:
- 字段名: 答案（answer）
数据类型: 字符串
- 字段名: 上下文（context）
数据类型: 字符串
- 字段名: 距离（distance）
数据类型: 字符串
- 字段名: 原始答案（original_answers）
数据类型: 字符串序列
- 字段名: 问题（question）
数据类型: 字符串
- 字段名: 无答案样本组（unans_case）
数据类型: 列表，包含以下子字段:
- 字段名: 答案（answer）
数据类型: 字符串
- 字段名: 答案（answers）
数据类型: 字符串序列
- 字段名: 上下文（context）
数据类型: 字符串
- 字段名: 距离（distance）
数据类型: 字符串
- 字段名: 原始答案（original_answers）
数据类型: 字符串序列
- 字段名: 问题（question）
数据类型: 字符串
- 字段名: 冲突样本组（conflict_case）
数据类型: 列表，包含以下子字段:
- 字段名: 答案（answer）
数据类型: 字符串
- 字段名: 冲突上下文（conflict_context）
数据类型: 字符串
- 字段名: 上下文（context）
数据类型: 字符串
- 字段名: 距离（distance）
数据类型: 字符串
- 字段名: 原始答案（original_answers）
数据类型: 字符串序列
- 字段名: 问题（question）
数据类型: 字符串
- 字段名: 上下文（context）
数据类型: 字符串
- 字段名: 模糊上下文（context_vague）
数据类型: 字符串
- 字段名: 实体（entity）
数据类型: 字符串
- 字段名: 相似实体（similar_entity）
数据类型: 字符串
- 字段名: 相似实体得分（similar_entity_score）
数据类型: float32
- 字段名: 随机实体（random_entity）
数据类型: 字符串
- 字段名: 随机实体得分（random_entity_score）
数据类型: float64
数据集划分:
- 划分名称: 训练集（train）
字节大小: 105765666
样本数量: 6875
- 划分名称: 测试集（test）
字节大小: 34382776
样本数量: 2230
下载总大小: 77391574
数据集总大小: 140148442
配置项:
- 配置名称: 默认配置（default）
数据文件:
- 划分: 训练集（train）
路径: data/train-*
- 划分: 测试集（test）
路径: data/test-*

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。
  • score: 分数，数据类型为浮点数（float64）。
  • text: 文本，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。
• original_case: 原始案例列表，包含以下字段：
  • answer: 答案，数据类型为字符串。
  • context: 上下文，数据类型为字符串。
  • distance: 距离，数据类型为字符串。
  • original_answers: 原始答案，数据类型为字符串序列。
  • question: 问题，数据类型为字符串。
• unans_case: 无答案案例列表，包含以下字段：
  • answer: 答案，数据类型为字符串。
  • answers: 答案，数据类型为字符串序列。
  • context: 上下文，数据类型为字符串。
  • distance: 距离，数据类型为字符串。
  • original_answers: 原始答案，数据类型为字符串序列。
  • question: 问题，数据类型为字符串。
• conflict_case: 冲突案例列表，包含以下字段：
  • answer: 答案，数据类型为字符串。
  • conflict_context: 冲突上下文，数据类型为字符串。
  • context: 上下文，数据类型为字符串。
  • distance: 距离，数据类型为字符串。
  • original_answers: 原始答案，数据类型为字符串序列。
  • question: 问题，数据类型为字符串。
• context: 上下文，数据类型为字符串。
• context_vague: 模糊上下文，数据类型为字符串。
• entity: 实体，数据类型为字符串。
• similar_entity: 相似实体，数据类型为字符串。
• similar_entity_score: 相似实体分数，数据类型为浮点数（float32）。
• random_entity: 随机实体，数据类型为字符串。
• random_entity_score: 随机实体分数，数据类型为浮点数（float64）。

数据集分割

• train: 训练集，包含6875个样本，占用105765666字节。
• test: 测试集，包含2230个样本，占用34382776字节。

数据集大小

• 下载大小: 77391574字节。
• 数据集大小: 140148442字节。

配置

• default: 默认配置，包含以下数据文件：
  • train: 训练集文件路径为data/train-*。
  • test: 测试集文件路径为data/test-*。