LipengCS/Table-GPT

Table-GPT数据集是一个用于多样化表格任务的数据集，包含18种不同的表格相关任务，如表格理解、数据清洗、数据转换、表格匹配等。数据集分为训练集和测试集，每个任务都有对应的数据文件。训练集包括14个任务，测试集包括9个任务，其中一些任务用于评估模型在未见任务上的泛化能力。此外，还提供了一个更大的训练集，包含额外的生成数据。每个数据文件以JSONL格式存储，包含任务名称、数据集名称、输入提示、生成输出等信息。

原始信息汇总

数据集概述

数据集名称

• Table-GPT (Table-tuned GPT for Diverse Table Tasks)

数据集配置

• All: 包含训练和测试数据，分别位于train/train_All.jsonl和test/test_All.jsonl。
• ColumnAugmentation: 训练数据位于train/train_ColumnAugmentation.jsonl。
• ColumnFinding: 测试数据位于test/test_ColumnFinding.jsonl。
• ColumnTypeAnnotation: 测试数据位于test/test_ColumnTypeAnnotation.jsonl。
• DataImputation: 包含训练和测试数据，分别位于train/train_DataImputation.jsonl和test/test_DataImputation.jsonl。
• EntityMatching: 包含训练和测试数据，分别位于train/train_EntityMatching.jsonl和test/test_EntityMatching.jsonl。
• ErrorDetection: 包含训练和测试数据，分别位于train/train_ErrorDetection.jsonl和test/test_ErrorDetection.jsonl。
• HeaderValueMatching: 训练数据位于train/train_HeaderValueMatching.jsonl。
• ListExtraction: 训练数据位于train/train_ListExtraction.jsonl。
• MissingValueIdentification: 测试数据位于test/test_MissingValueIdentification.jsonl。
• NL2SQL: 训练数据位于train/train_NL2SQL.jsonl。
• Row2RowTransformation: 包含训练和测试数据，分别位于train/train_Row2RowTransformation.jsonl和test/test_Row2RowTransformation.jsonl。
• RowAugmentation: 训练数据位于train/train_RowAugmentation.jsonl。
• RowColumnFiltering: 训练数据位于train/train_RowColumnFiltering.jsonl。
• RowColumnSorting: 训练数据位于train/train_RowColumnSorting.jsonl。
• RowColumnSwapping: 训练数据位于train/train_RowColumnSwapping.jsonl。
• SchemaMatching: 包含训练和测试数据，分别位于train/train_SchemaMatching.jsonl和test/test_SchemaMatching.jsonl。
• TableQuestion: 测试数据位于test/test_TableQuestion.jsonl。
• TableSummarization: 训练数据位于train/train_TableSummarization.jsonl。

数据集结构

• 训练数据: 每个任务的训练数据存储在train/train_{task_name}.jsonl。
• 测试数据: 每个任务的测试数据存储在test/test_{task_name}.jsonl。
• 大型训练数据: 提供额外的训练数据，存储在train_large/train_large_{task_name}.jsonl。

数据集内容

• 任务名称: 每个.jsonl文件中的每一行代表一个单独的示例，包含任务名称、数据集名称、输入提示、生成输出响应、消息和元数据。

数据集许可证

• 许可证: MIT

测试集详情

任务	数据集	大小
ColumnFinding	Spreadsheets-CF	1682
ColumnTypeAnnotation	EfthymiouTest	1188
ColumnTypeAnnotation	LimayeTest	348
ColumnTypeAnnotation	SherlockTest	1940
ColumnTypeAnnotation	T2DTest	734
DataImputation	Spreadsheets-DI	2000
EntityMatching	Amazon-Google	4586
EntityMatching	Beer	182
EntityMatching	DBLP-ACM	4946
EntityMatching	DBLP-GoogleScholar	11484
EntityMatching	Fodors-Zagats	378
EntityMatching	Walmart-Amazon	4098
EntityMatching	iTunes-Amazon	218
ErrorDetection	Spreadsheets-ED-Real	1740
ErrorDetection	WebTables-ED-Real	864
MissingValueIdentification	Spreadsheets-MVI-ColumnNoSep	2000
MissingValueIdentification	Spreadsheets-MVI-ColumnSep	2000
MissingValueIdentification	Spreadsheets-MVI-RowNoSep	2000
MissingValueIdentification	Spreadsheets-MVI-RowSep	2000
Row2RowTransformation	BingQL-Other	102
Row2RowTransformation	BingQL-Unit	99
Row2RowTransformation	FF-GR-Trifacta	134
Row2RowTransformation	Headcase	90
Row2RowTransformation	Stackoverflow	145
SchemaMatching	DeepM	14
TableQuestion	SQATest	360
TableQuestion	WikiTest	8688

训练集详情

任务	数据集	大小
ColumnAugmentation	Synthetic-CA	558
DataImputation	Synthetic-DI	886
EntityMatching	784datasets	2010
ErrorDetection	Synthetic-ED	852
HeaderValueMatching	Synthetic-HVM	1064
ListExtraction	Synthetic-LE	537
NL2SQL	WikiSQL	994
Row2RowTransformation	Synthetic-R2R	951
RowAugmentation	Synthetic-RA	553
RowColumnFiltering	Synthetic-RCF	603
RowColumnSorting	Synthetic-RCS	576
RowColumnSwapping	Synthetic-RCSW	556
SchemaMatching	Synthetic-SM	2068
TableSummarization	Synthetic-TS	1014

大型训练集详情

任务	数据集	大小
ColumnAugmentation	Synthetic-CA	2861
DataImputation	Synthetic-DI	4326
EntityMatching	784datasets	10000
ErrorDetection	Synthetic-ED	4292
HeaderValueMatching	Synthetic-HVM	5562
ListExtraction	Synthetic-LE	2821
NL2SQL	WikiSQL	5000
Row2RowTransformation	Synthetic-R2R	5000
RowAugmentation	Synthetic-RA	2828
RowColumnFiltering	Synthetic-RCF	2863
RowColumnSorting	Synthetic-RCS	2849
RowColumnSwapping	Synthetic-RCSW	2831
SchemaMatching	Synthetic-SM	10000
TableSummarization	Synthetic-TS	5000