sionic-ai/hotpotqa

该数据集包含两个部分：查询部分（queries）和语料部分（corpus）。查询部分包含97852个示例，语料部分包含5233329个示例。每个示例都包括一个唯一标识符（_id），标题（title）和文本内容（text）。该数据集适用于自然语言处理任务，如文本检索和信息抽取。

The dataset consists of two parts: the query part (queries) and the corpus part (corpus). The query part contains 97852 examples, and the corpus part contains 5233329 examples. Each example includes a unique identifier (_id), a title (title), and text content (text). The dataset is suitable for natural language processing tasks such as text retrieval and information extraction.

搜集汇总

背景与挑战

背景概述

该数据集是一个大规模问答数据集，包含约530万行文本数据，分为查询（97.9k行）和语料库（5.23M行）两个子集，格式为parquet，总大小约1.03 GB。数据示例显示其包含多样化的复杂问题，涉及历史、文化、科学等领域，适用于训练或评估问答系统。数据集由sionic-ai维护，使用Hugging Face Datasets等工具库。