JihyukKim/eli5_subquestion

该数据集是一个用于文本生成任务的英语数据集，大小在1K到10K之间。数据集包含样本ID、问题、黄金声明和搜索会话样本等特征。搜索会话样本进一步细分为轮次质量和整体质量，每个轮次质量包含查询、答案、声明NLI、引用召回、引用精度、成功声明、成功引用句子和失败引用句子等字段。整体质量则包含声明NLI、引用召回和引用精度等字段。数据集的分割包括训练集、测试集、小型训练集和小型测试集，每个分割都有相应的字节数和样本数。

原始信息汇总

数据集概述

任务类别

• 文本生成

语言

• 英语

数据规模

• 1K<n<10K

数据集信息

特征

• sample_id: 类型为字符串
• question: 类型为字符串
• gold_claims: 序列类型，元素为字符串
• search_session_samples: 序列类型，包含以下子特征：
  • turn_quality: 序列类型，包含以下子特征：
    • query: 类型为字符串
    • answer: 类型为字符串
    • claims_nli: 类型为浮点数 (float32)
    • citation_recall: 类型为浮点数 (float32)
    • citation_precision: 类型为浮点数 (float32)
    • success_claims: 序列类型，元素为字符串
    • success_cite_sents: 序列类型，元素为字符串
    • fail_cite_sents: 序列类型，元素为字符串
  • overall_quality: 结构类型，包含以下子特征：
    • claims_nli: 类型为浮点数 (float32)
    • citation_recall: 类型为浮点数 (float32)
    • citation_precision: 类型为浮点数 (float32)

数据集划分

• train: 字节数为 879178667，样本数为 47189
• test: 字节数为 18749419，样本数为 1000
• train_small: 字节数为 9489899，样本数为 512
• test_small: 字节数为 2421264，样本数为 128

数据集大小

• 下载大小: 356075671 字节
• 数据集大小: 909839249 字节