Atipico1/NQ-10k_preprocessed_with_o-u_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: 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
splits:
- name: train
num_bytes: 93316343
num_examples: 10000
- name: test
num_bytes: 33979723
num_examples: 3610
download_size: 72472873
dataset_size: 127296066
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：question，数据类型（dtype）：字符串（string）
- 字段名：answers，数据类型（dtype）：字符串序列（sequence of string）
- 字段名：ctxs，为列表（list）类型，列表内元素包含以下子字段：
- hasanswer：布尔类型（bool）
- id：字符串类型（string）
- score：64位浮点数（float64）
- text：字符串类型（string）
- title：字符串类型（string）
- 字段名：original_case，为列表（list）类型，列表内元素包含以下子字段：
- answer：字符串类型（string）
- context：字符串类型（string）
- distance：字符串类型（string）
- question：字符串类型（string）
- 字段名：unans_case，为列表（list）类型，列表内元素包含以下子字段：
- answer：字符串类型（string）
- context：字符串类型（string）
- distance：字符串类型（string）
- question：字符串类型（string）
划分集：
- 划分集名称：train，字节占用量：93316343，样本总数：10000
- 划分集名称：test，字节占用量：33979723，样本总数：3610
下载大小：72472873
数据集总大小：127296066
配置项：
- 配置项名称：default，对应数据文件：
- 划分集train对应路径：data/train-*
- 划分集test对应路径：data/test-*

原始信息汇总

数据集概述

数据集特征

• question: 问题，数据类型为字符串。
• answers: 答案序列，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。
• 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。
  • 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。
  • context: 上下文，数据类型为字符串。
  • distance: 距离，数据类型为字符串。
  • question: 问题，数据类型为字符串。

数据集分割

• train: 训练集，包含10000个样本，总字节数为93316343。
• test: 测试集，包含3610个样本，总字节数为33979723。

数据集大小

• 下载大小: 72472873字节。
• 数据集大小: 127296066字节。

配置

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