Atipico1/NQ_preprocessed_with_o-u-c_case

---
dataset_info:
features:
- name: question
dtype: string
- name: answers
sequence: string
- name: ctxs
list:
- name: hasanswer
dtype: bool
- name: id
dtype: string
- name: score
dtype: float64
- name: text
dtype: string
- name: title
dtype: string
- name: masked_query
dtype: string
- name: original_case
list:
- name: answer
dtype: string
- name: context
dtype: string
- name: distance
dtype: string
- name: original_answers
sequence: string
- name: question
dtype: string
- name: unans_case
list:
- name: answer
dtype: string
- name: answers
sequence: string
- name: context
dtype: string
- name: distance
dtype: string
- name: original_answers
sequence: string
- name: question
dtype: string
- name: conflict_case
list:
- name: answer
dtype: string
- name: conflict_context
dtype: string
- name: context
dtype: string
- name: distance
dtype: string
- name: original_answers
sequence: string
- name: question
dtype: string
splits:
- name: train
num_bytes: 147212713
num_examples: 10000
- name: test
num_bytes: 53607754
num_examples: 3610
download_size: 114076592
dataset_size: 200820467
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

数据集信息：
特征：
- 字段名：question（问题），数据类型：字符串
- 字段名：answers（答案组），数据类型：字符串序列
- 字段名：ctxs（上下文组），为列表类型，包含子字段：
- 子字段名：hasanswer（是否含答案），数据类型：布尔型（bool）
- 子字段名：id（标识），数据类型：字符串
- 子字段名：score（匹配得分），数据类型：64位浮点数（float64）
- 子字段名：text（上下文文本），数据类型：字符串
- 子字段名：title（文档标题），数据类型：字符串
- 字段名：masked_query（掩码查询），数据类型：字符串
- 字段名：original_case（原始样本组），为列表类型，包含子字段：
- 子字段名：answer（答案），数据类型：字符串
- 子字段名：context（上下文），数据类型：字符串
- 子字段名：distance（距离指标），数据类型：字符串
- 子字段名：original_answers（原始答案组），数据类型：字符串序列
- 子字段名：question（问题），数据类型：字符串
- 字段名：unans_case（无答案样本组），为列表类型，包含子字段：
- 子字段名：answer（答案），数据类型：字符串
- 子字段名：answers（答案组），数据类型：字符串序列
- 子字段名：context（上下文），数据类型：字符串
- 子字段名：distance（距离指标），数据类型：字符串
- 子字段名：original_answers（原始答案组），数据类型：字符串序列
- 子字段名：question（问题），数据类型：字符串
- 字段名：conflict_case（冲突样本组），为列表类型，包含子字段：
- 子字段名：answer（答案），数据类型：字符串
- 子字段名：conflict_context（冲突上下文），数据类型：字符串
- 子字段名：context（上下文），数据类型：字符串
- 子字段名：distance（距离指标），数据类型：字符串
- 子字段名：original_answers（原始答案组），数据类型：字符串序列
- 子字段名：question（问题），数据类型：字符串
数据集划分：
- 划分名称：train（训练集），字节占用大小：147212713，样本数量：10000
- 划分名称：test（测试集），字节占用大小：53607754，样本数量：3610
下载总大小：114076592
数据集总占用大小：200820467
配置项：
- 配置名称：default（默认配置），数据文件映射：
- 训练集划分对应路径：data/train-*
- 测试集划分对应路径：data/test-*

原始信息汇总

数据集概述

特征信息

• question: 问题，数据类型为字符串。
• answers: 答案，数据类型为字符串序列。
• ctxs: 上下文列表，包含以下字段：
  • hasanswer: 是否有答案，数据类型为布尔值。
  • id: 标识符，数据类型为字符串。
  • score: 分数，数据类型为浮点数（float64）。
  • text: 文本内容，数据类型为字符串。
  • title: 标题，数据类型为字符串。
• masked_query: 掩码查询，数据类型为字符串。
• original_case: 原始案例列表，包含以下字段：
  • answer: 答案，数据类型为字符串。
  • context: 上下文，数据类型为字符串。
  • distance: 距离，数据类型为字符串。
  • original_answers: 原始答案，数据类型为字符串序列。
  • question: 问题，数据类型为字符串。
• unans_case: 无答案案例列表，包含以下字段：
  • answer: 答案，数据类型为字符串。
  • answers: 答案，数据类型为字符串序列。
  • context: 上下文，数据类型为字符串。
  • distance: 距离，数据类型为字符串。
  • original_answers: 原始答案，数据类型为字符串序列。
  • question: 问题，数据类型为字符串。
• conflict_case: 冲突案例列表，包含以下字段：
  • answer: 答案，数据类型为字符串。
  • conflict_context: 冲突上下文，数据类型为字符串。
  • context: 上下文，数据类型为字符串。
  • distance: 距离，数据类型为字符串。
  • original_answers: 原始答案，数据类型为字符串序列。
  • question: 问题，数据类型为字符串。

数据分割

• train: 训练集，包含10000个样本，总字节数为147212713。
• test: 测试集，包含3610个样本，总字节数为53607754。

数据集大小

• 下载大小: 114076592字节。
• 数据集大小: 200820467字节。

配置信息

• default: 默认配置，包含以下数据文件路径：
  • train: data/train-*
  • test: data/test-*