iamnguyen/edu_child_v1

---
dataset_info:
features:
- name: content
dtype: string
- name: metadata
struct:
- name: metadata
struct:
- name: answer
dtype: string
- name: id
dtype: string
- name: prefix
dtype: string
- name: question
dtype: string
- name: school_id
dtype: string
- name: seq_num
dtype: int64
- name: source
dtype: string
- name: tokenized_question
dtype: string
- name: url
dtype: string
- name: vector
sequence: float64
- name: vector
sequence: float64
splits:
- name: train
num_bytes: 19393135
num_examples: 1056
download_size: 12650689
dataset_size: 19393135
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征：
- 名称：content，数据类型：字符串
- 名称：metadata（元数据），为结构体类型，其包含子字段metadata（元数据），该子字段为结构体类型，包含以下成员：
- 名称：answer（答案），数据类型：字符串
- 名称：id（标识符），数据类型：字符串
- 名称：prefix（前缀），数据类型：字符串
- 名称：question（问题），数据类型：字符串
- 名称：school_id（学校ID），数据类型：字符串
- 名称：seq_num（序列编号），数据类型：int64
- 名称：source（来源），数据类型：字符串
- 名称：tokenized_question（分词后问题），数据类型：字符串
- 名称：url（统一资源定位符），数据类型：字符串
- 名称：vector（向量），为float64类型序列
- 名称：vector（向量），为float64类型序列
数据集划分：
- 划分名称：train（训练集），字节大小：19393135，样本总数：1056
下载大小：12650689，数据集总大小：19393135
配置项：
- 配置名称：default（默认配置），对应数据文件：
- 对应训练集划分，文件路径为：data/train-*

原始信息汇总

数据集概述

数据特征

• content: 数据类型为字符串。
• metadata: 结构化数据，包含以下字段：
  • answer: 数据类型为字符串。
  • id: 数据类型为字符串。
  • prefix: 数据类型为字符串。
  • question: 数据类型为字符串。
  • school_id: 数据类型为字符串。
  • seq_num: 数据类型为整数（int64）。
  • source: 数据类型为字符串。
  • tokenized_question: 数据类型为字符串。
  • url: 数据类型为字符串。
  • vector: 数据类型为浮点数序列（float64）。
• vector: 数据类型为浮点数序列（float64）。

数据分割

• train: 包含1056个样本，总字节数为19393135。

数据集大小

• 下载大小: 12650689字节。
• 数据集大小: 19393135字节。

配置

• default: 包含训练数据文件，路径为data/train-*。