han2lin/squad

---
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
splits:
- name: train
num_bytes: 69824466.34546056
num_examples: 77087
- name: valid
num_bytes: 9521641.654539436
num_examples: 10512
- name: test
num_bytes: 10472984
num_examples: 10570
download_size: 52413878
dataset_size: 89819092.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: valid
path: data/valid-*
- split: test
path: data/test-*
---

数据集信息：
特征字段如下：
- 字段名称：id，数据类型：字符串
- 字段名称：title，数据类型：字符串
- 字段名称：context，数据类型：字符串
- 字段名称：question，数据类型：字符串
- 字段名称：answers：序列类型，包含两个子字段：
- 子字段名：text，数据类型：字符串
- 子字段名：answer_start，数据类型：32位整数（int32）
数据集划分：
- 划分名称：训练集（train），占用字节数：69824466.35，样本数量：77087
- 划分名称：验证集（valid），占用字节数：9521641.65，样本数量：10512
- 划分名称：测试集（test），占用字节数：10472984，样本数量：10570
下载大小：52413878字节
总数据集大小：89819092.0字节
配置项：
- 配置名称：default（默认配置），数据文件对应关系：
- 训练集（train）：对应路径为 data/train-*
- 验证集（valid）：对应路径为 data/valid-*
- 测试集（test）：对应路径为 data/test-*

原始信息汇总

数据集概述

数据集特征

• id: 字符串类型
• title: 字符串类型
• context: 字符串类型
• question: 字符串类型
• answers: 序列类型
  • text: 字符串类型
  • answer_start: 整数类型 (int32)

数据集分割

• train:
  • 字节数: 69824466.34546056
  • 样本数: 77087
• valid:
  • 字节数: 9521641.654539436
  • 样本数: 10512
• test:
  • 字节数: 10472984
  • 样本数: 10570

数据集大小

• 下载大小: 52413878
• 数据集大小: 89819092.0

配置

• config_name: default
  • data_files:
    • train: data/train-*
    • valid: data/valid-*
    • test: data/test-*