FINNUMBER/MCQA_ORIGINAL

---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
dataset_info:
features:
- name: doc_id
dtype: string
- name: doc_title
dtype: string
- name: doc_source
dtype: string
- name: doc_published
dtype: int64
- name: created
dtype: string
- name: doc_class
struct:
- name: class
dtype: string
- name: code
dtype: string
- name: paragraphs
list:
- name: context
dtype: string
- name: context_id
dtype: string
- name: qas
list:
- name: answer
struct:
- name: answer_end
dtype: 'null'
- name: answer_start
dtype: 'null'
- name: cell_coordinates
dtype: 'null'
- name: cell_text
dtype: 'null'
- name: clue_start
dtype: int64
- name: clue_text
dtype: string
- name: options
sequence: string
- name: source
dtype: string
- name: text
dtype: string
- name: qa_type
dtype: int64
- name: question
dtype: string
- name: question_id
dtype: string
- name: tbs
dtype: 'null'
splits:
- name: train
num_bytes: 17383989
num_examples: 5831
- name: test
num_bytes: 3465286
num_examples: 1142
download_size: 8244905
dataset_size: 20849275
---
# Dataset Card for "MCQA_ORIGINAL"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

配置项：
- 配置名称：默认（default）
数据文件：
- 拆分（split）：训练集（train），路径：data/train-*
- 拆分（split）：测试集（test），路径：data/test-*
数据集信息：
特征字段：
- 名称：文档ID（doc_id），数据类型（dtype）：字符串（string）
- 名称：文档标题（doc_title），数据类型：字符串
- 名称：文档来源（doc_source），数据类型：字符串
- 名称：文档发布时间（doc_published），数据类型：64位整数（int64）
- 名称：创建时间（created），数据类型：字符串
- 名称：文档类别（doc_class），结构体（struct）：
- 名称：类别名称（class），数据类型：字符串
- 名称：类别代码（code），数据类型：字符串
- 名称：段落（paragraphs），列表（list）：
- 名称：上下文文本（context），数据类型：字符串
- 名称：上下文ID（context_id），数据类型：字符串
- 名称：问答对（qas），列表：
- 名称：答案（answer），结构体：
- 名称：答案结束位置（answer_end），数据类型：空值（null）
- 名称：答案开始位置（answer_start），数据类型：空值
- 名称：单元格坐标（cell_coordinates），数据类型：空值
- 名称：单元格文本（cell_text），数据类型：空值
- 名称：线索起始位置（clue_start），数据类型：64位整数
- 名称：线索文本（clue_text），数据类型：字符串
- 名称：选项（options），序列（sequence）：字符串
- 名称：来源（source），数据类型：字符串
- 名称：文本（text），数据类型：字符串
- 名称：问答类型（qa_type），数据类型：64位整数
- 名称：问题（question），数据类型：字符串
- 名称：问题ID（question_id），数据类型：字符串
- 名称：tbs，数据类型：空值（null）
数据集拆分：
- 名称：训练集（train），字节数：17383989，样本数：5831
- 名称：测试集（test），字节数：3465286，样本数：1142
下载大小：8244905
数据集总大小：20849275

# 「MCQA_ORIGINAL」数据集卡片（Dataset Card）

[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

配置

• 默认配置：
  • 训练集：路径为 data/train-*
  • 测试集：路径为 data/test-*

数据特征

• doc_id：文档ID，数据类型为字符串
• doc_title：文档标题，数据类型为字符串
• doc_source：文档来源，数据类型为字符串
• doc_published：文档发布时间，数据类型为整数
• created：创建时间，数据类型为字符串
• doc_class：文档分类，包含以下结构：
  • class：分类名称，数据类型为字符串
  • code：分类代码，数据类型为字符串
• paragraphs：段落信息，包含以下列表：
  • context：上下文内容，数据类型为字符串
  • context_id：上下文ID，数据类型为字符串
  • qas：问题与答案，包含以下列表：
    • answer：答案信息，包含以下结构：
      • answer_end：答案结束位置，数据类型为空
      • answer_start：答案开始位置，数据类型为空
      • cell_coordinates：单元格坐标，数据类型为空
      • cell_text：单元格文本，数据类型为空
      • clue_start：线索开始位置，数据类型为整数
      • clue_text：线索文本，数据类型为字符串
      • options：选项，数据类型为字符串序列
      • source：来源，数据类型为字符串
      • text：文本，数据类型为字符串
    • qa_type：问题类型，数据类型为整数
    • question：问题，数据类型为字符串
    • question_id：问题ID，数据类型为字符串
  • tbs：数据类型为空

数据分割

• 训练集：
  • 字节数：17383989
  • 样本数：5831
• 测试集：
  • 字节数：3465286
  • 样本数：1142

数据集大小

• 下载大小：8244905 字节
• 数据集大小：20849275 字节