Atipico1/NQ_preprocessed_with_o-u_case_conflict

---
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: question
dtype: string
- name: unans_case
list:
- name: answer
dtype: string
- name: context
dtype: string
- name: distance
dtype: string
- name: question
dtype: string
- name: claim
dtype: string
- name: entity
dtype: string
- name: similar_entity
dtype: string
- name: similar_entity_score
dtype: float64
- name: random_entity
dtype: string
- name: random_entity_score
dtype: float64
- name: conflict_claim
dtype: string
- name: context
dtype: string
- name: conflict_context
dtype: string
- name: valid_conflict
dtype: bool
splits:
- name: train
num_bytes: 104550716
num_examples: 10000
- name: test
num_bytes: 37698395
num_examples: 3610
download_size: 81531557
dataset_size: 142249111
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:
- 字段名: 问题（question）
数据类型: 字符串
- 字段名: 答案（answers）
数据类型: 字符串序列
- 字段名: 上下文列表（ctxs）
列表项:
- 字段名: 是否包含答案（hasanswer）
数据类型: 布尔值（bool）
- 字段名: ID（id）
数据类型: 字符串
- 字段名: 得分（score）
数据类型: 双精度浮点数（float64）
- 字段名: 文本（text）
数据类型: 字符串
- 字段名: 标题（title）
数据类型: 字符串
- 字段名: 掩码查询（masked_query）
数据类型: 字符串
- 字段名: 原始案例（original_case）
列表项:
- 字段名: 答案（answer）
数据类型: 字符串
- 字段名: 上下文（context）
数据类型: 字符串
- 字段名: 距离（distance）
数据类型: 字符串
- 字段名: 问题（question）
数据类型: 字符串
- 字段名: 未回答案例（unans_case）
列表项:
- 字段名: 答案（answer）
数据类型: 字符串
- 字段名: 上下文（context）
数据类型: 字符串
- 字段名: 距离（distance）
数据类型: 字符串
- 字段名: 问题（question）
数据类型: 字符串
- 字段名: 主张（claim）
数据类型: 字符串
- 字段名: 实体（entity）
数据类型: 字符串
- 字段名: 相似实体（similar_entity）
数据类型: 字符串
- 字段名: 相似实体得分（similar_entity_score）
数据类型: 双精度浮点数（float64）
- 字段名: 随机实体（random_entity）
数据类型: 字符串
- 字段名: 随机实体得分（random_entity_score）
数据类型: 双精度浮点数（float64）
- 字段名: 冲突主张（conflict_claim）
数据类型: 字符串
- 字段名: 上下文（context）
数据类型: 字符串
- 字段名: 冲突上下文（conflict_context）
数据类型: 字符串
- 字段名: 有效冲突（valid_conflict）
数据类型: 布尔值（bool）
拆分集:
- 拆分名: 训练集（train）
字节大小: 104550716
样本数量: 10000
- 拆分名: 测试集（test）
字节大小: 37698395
样本数量: 3610
下载大小: 81531557
数据集总大小: 142249111
配置项:
- 配置名: 默认配置（default）
数据文件:
- 拆分: 训练集（train）
路径: data/train-*
- 拆分: 测试集（test）
路径: data/test-*

原始信息汇总

数据集概述

特征信息

数据集包含以下特征：

• question: 类型为字符串。
• answers: 类型为字符串序列。
• ctxs: 列表类型，包含以下子特征：
  • hasanswer: 类型为布尔值。
  • id: 类型为字符串。
  • score: 类型为浮点数（float64）。
  • text: 类型为字符串。
  • title: 类型为字符串。
• masked_query: 类型为字符串。
• original_case: 列表类型，包含以下子特征：
  • answer: 类型为字符串。
  • context: 类型为字符串。
  • distance: 类型为字符串。
  • question: 类型为字符串。
• unans_case: 列表类型，包含以下子特征：
  • answer: 类型为字符串。
  • context: 类型为字符串。
  • distance: 类型为字符串。
  • question: 类型为字符串。
• claim: 类型为字符串。
• entity: 类型为字符串。
• similar_entity: 类型为字符串。
• similar_entity_score: 类型为浮点数（float64）。
• random_entity: 类型为字符串。
• random_entity_score: 类型为浮点数（float64）。
• conflict_claim: 类型为字符串。
• context: 类型为字符串。
• conflict_context: 类型为字符串。
• valid_conflict: 类型为布尔值。

数据分割

数据集分为以下几个部分：

• train: 包含10,000个样本，总字节数为104,550,716。
• test: 包含3,610个样本，总字节数为37,698,395。

数据大小

• 下载大小: 81,531,557字节。
• 数据集大小: 142,249,111字节。

配置信息

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