VictorDCh/spider-clean-text-to-sql

该数据集主要用于文本到SQL生成任务，包含训练集、开发集和测试集。数据集的特征包括db_id、query、question和schema，分别表示数据库ID、SQL查询、自然语言问题和数据库模式。数据集的规模在1K到10K之间，适用于文本到SQL生成任务。

原始信息汇总

数据集概述

语言

• 英语（en）

数据规模

• 1K<n<10K

任务类别

• 文本到文本生成（text2text-generation）

数据集信息

特征

• db_id: 字符串类型
• query: 字符串类型
• question: 字符串类型
• schema: 字符串类型

数据分割

• 训练集（train）
  • 字节数: 15299773
  • 样本数: 6016
• 验证集（dev）
  • 字节数: 1142702
  • 样本数: 665
• 测试集（test）
  • 字节数: 3542050
  • 样本数: 1929

数据大小

• 下载大小: 585756 字节
• 数据集大小: 19984525 字节

配置

• 默认配置（default）
  • 数据文件路径:
    • 训练集: data/train-*
    • 验证集: data/dev-*
    • 测试集: data/test-*

标签

• text-to-sql
• spider
• sql