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