Seongill/NQ_5_adversary

---
dataset_info:
features:
- name: question
dtype: string
- name: answers
sequence: string
- name: ctxs
list:
- name: answer_sent
sequence: string
- name: hasanswer
dtype: bool
- name: id
dtype: string
- name: score
dtype: float64
- name: text
dtype: string
- name: title
dtype: string
- name: has_answer
dtype: bool
- name: random_sub
dtype: string
- name: similar_sub
dtype: string
- name: ent_type
dtype: string
- name: new_ctxs
list:
- name: answer_sent
sequence: string
- name: hasanswer
dtype: bool
- name: id
dtype: string
- name: is_adv
dtype: bool
- name: new_answer_sent
dtype: string
- name: original_text
dtype: string
- name: score
dtype: float64
- name: text
dtype: string
- name: title
dtype: string
- name: num_advs
dtype: int64
- name: num_ctxs
dtype: int64
splits:
- name: train
num_bytes: 27454991
num_examples: 3610
download_size: 15657266
dataset_size: 27454991
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
## 特征字段
- 问题（question）：数据类型为字符串
- 答案集（answers）：数据类型为字符串序列
- 上下文列表（ctxs）：为结构体列表，每个结构体包含以下字段：
- 答案句子序列（answer_sent）：字符串序列
- 是否包含答案（hasanswer）：布尔类型
- 标识符（id）：字符串类型
- 得分（score）：64位浮点型
- 文本内容（text）：字符串类型
- 标题（title）：字符串类型
- 是否存在答案（has_answer）：布尔类型
- 随机子集（random_sub）：字符串类型
- 相似子集（similar_sub）：字符串类型
- 实体类型（ent_type）：字符串类型
- 新上下文列表（new_ctxs）：为结构体列表，每个结构体包含以下字段：
- 答案句子序列（answer_sent）：字符串序列
- 是否包含答案（hasanswer）：布尔类型
- 标识符（id）：字符串类型
- 是否为对抗样本（is_adv）：布尔类型
- 新答案句子（new_answer_sent）：字符串类型
- 原始文本（original_text）：字符串类型
- 得分（score）：64位浮点型
- 文本内容（text）：字符串类型
- 标题（title）：字符串类型
- 对抗样本数量（num_advs）：64位整型
- 上下文数量（num_ctxs）：64位整型

## 数据拆分
- 训练集（train）：字节占用量为27454991，样本总数为3610
数据集整体下载大小为15657266，总存储大小为27454991

## 配置项
- 默认配置（default）：数据文件路径配置为：训练拆分对应`data/train-*`

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：
  • answer_sent: 答案句子，数据类型为字符串序列。
  • 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，数据类型为字符串。
  • title: 标题，数据类型为字符串。
• has_answer: 是否有答案，数据类型为布尔值。
• random_sub: 随机子项，数据类型为字符串。
• similar_sub: 相似子项，数据类型为字符串。
• ent_type: 实体类型，数据类型为字符串。
• new_ctxs: 新上下文列表，包含以下字段：
  • answer_sent: 答案句子，数据类型为字符串序列。
  • 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。
  • is_adv: 是否为对抗性，数据类型为布尔值。
  • new_answer_sent: 新答案句子，数据类型为字符串。
  • original_text: 原始文本，数据类型为字符串。
  • score: 分数，数据类型为浮点数（float64）。
  • text: 文本，数据类型为字符串。
  • title: 标题，数据类型为字符串。
• num_advs: 对抗性数量，数据类型为整数（int64）。
• num_ctxs: 上下文数量，数据类型为整数（int64）。

数据集分割

• train: 训练集，包含3610个样本，占用27454991字节。

数据集大小

• 下载大小: 15657266字节。
• 数据集大小: 27454991字节。

配置

• default: 默认配置，包含训练集文件路径为data/train-*。