Jiahao123/quora-question-pairs

--- dataset_info: features: - name: id dtype: int64 - name: qid1 dtype: int64 - name: qid2 dtype: int64 - name: question1 dtype: string - name: question2 dtype: string - name: is_duplicate dtype: int64 - name: q1_input_ids list: int64 - name: q1_attention_mask list: int64 - name: q2_input_ids list: int64 - name: q2_attention_mask list: int64 - name: labels dtype: int64 - name: q1_embeddings list: float32 - name: q2_embeddings list: float32 splits: - name: train num_bytes: 2440406028 num_examples: 291086 - name: validation num_bytes: 271145408 num_examples: 32343 - name: test num_bytes: 677877777 num_examples: 80858 download_size: 3364830934 dataset_size: 3389429213 configs: - config_name: default data_files: - split: train path: data/train-* - split: validation path: data/validation-* - split: test path: data/test-* ---数据集信息： #### 数据特征 该数据集包含以下13项特征： 1. `id`：数据类型为64位整数（int64） 2. `qid1`：数据类型为64位整数（int64） 3. `qid2`：数据类型为64位整数（int64） 4. `question1`：字符串类型（string） 5. `question2`：字符串类型（string） 6. `is_duplicate`：数据类型为64位整数（int64） 7. `q1_input_ids`：64位整数组成的列表（list<int64>） 8. `q1_attention_mask`：64位整数组成的列表（list<int64>） 9. `q2_input_ids`：64位整数组成的列表（list<int64>） 10. `q2_attention_mask`：64位整数组成的列表（list<int64>） 11. `labels`：数据类型为64位整数（int64） 12. `q1_embeddings`：单精度浮点数组成的列表（list<float32>） 13. `q2_embeddings`：单精度浮点数组成的列表（list<float32>） #### 数据拆分 数据集分为三个子集： - 训练集（train）：数据大小为2440406028字节，共包含291086条样本 - 验证集（validation）：数据大小为271145408字节，共包含32343条样本 - 测试集（test）：数据大小为677877777字节，共包含80858条样本 该数据集总下载大小为3364830934字节，完整数据集总大小为3389429213字节。 #### 配置信息 默认配置（default）下的数据文件映射关系如下： - 训练集：对应`data/train-*`路径下的文件 - 验证集：对应`data/validation-*`路径下的文件 - 测试集：对应`data/test-*`路径下的文件