philipp-zettl/tydiqa-task_2-english

---
dataset_info:
features:
- name: id
dtype: string
- name: title
dtype: string
- name: context
dtype: string
- name: question
dtype: string
- name: answers
sequence:
- name: text
dtype: string
- name: answer_start
dtype: int32
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
- name: labels
sequence: int64
splits:
- name: train
num_bytes: 15695054
num_examples: 3696
- name: validation
num_bytes: 1726883
num_examples: 440
download_size: 3596346
dataset_size: 17421937
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
---

数据集信息：
特征列表：
- 特征名：id，数据类型：字符串（string）
- 特征名：标题（title），数据类型：字符串（string）
- 特征名：上下文（context），数据类型：字符串（string）
- 特征名：问题（question），数据类型：字符串（string）
- 特征名：答案（answers），为序列类型，包含以下子特征：
- 子特征名：答案文本（text），数据类型：字符串（string）
- 子特征名：答案起始位置（answer_start），数据类型：32位整数（int32）
- 特征名：输入标识符序列（input_ids），数据类型：32位整数序列
- 特征名：注意力掩码（attention_mask），数据类型：8位整数序列
- 特征名：标签（labels），数据类型：64位整数序列
数据集划分：
- 划分名称：训练集（train），占用字节数：15695054，样本数量：3696
- 划分名称：验证集（validation），占用字节数：1726883，样本数量：440
下载大小：3596346 字节，总数据集大小：17421937 字节
配置项：
- 配置名称：默认配置（default），数据文件：
- 训练集划分：data/train-*
- 验证集划分：data/validation-*

原始信息汇总

数据集概述

数据集特征

• id: 数据类型为字符串。
• title: 数据类型为字符串。
• context: 数据类型为字符串。
• question: 数据类型为字符串。
• answers: 序列类型，包含以下子特征：
  • text: 数据类型为字符串。
  • answer_start: 数据类型为整数32位。
• input_ids: 序列类型，数据类型为整数32位。
• attention_mask: 序列类型，数据类型为整数8位。
• labels: 序列类型，数据类型为整数64位。

数据集分割

• 训练集 (train):
  • 数据大小: 15695054字节
  • 样本数量: 3696个
• 验证集 (validation):
  • 数据大小: 1726883字节
  • 样本数量: 440个

数据集大小

• 下载大小: 3596346字节
• 数据集总大小: 17421937字节

数据文件配置

• 默认配置 (default):
  • 训练集路径: data/train-*
  • 验证集路径: data/validation-*