"wikisql" 数据集卡片

数据集概要

一个用于开发关系数据库自然语言接口的大规模众包数据集。

WikiSQL是一个包含80654个问题和SQL查询的数据集，分布在来自维基百科的24241个表格中进行手动注释。

支持的任务和排行榜

More Information Needed

语言

More Information Needed

数据集结构

数据示例

• 下载的数据集文件大小：26.16 MB
• 生成的数据集大小：154.74 MB
• 总使用的磁盘空间：180.90 MB

'validation'的示例如下。

This example was too long and was cropped:

{
    "phase": 1,
    "question": "How would you answer a second test question?",
    "sql": {
        "agg": 0,
        "conds": {
            "column_index": [2],
            "condition": ["Some Entity"],
            "operator_index": [0]
        },
        "human_readable": "SELECT Header1 FROM table WHERE Another Header = Some Entity",
        "sel": 0
    },
    "table": "{\"caption\": \"L\", \"header\": [\"Header1\", \"Header 2\", \"Another Header\"], \"id\": \"1-10015132-9\", \"name\": \"table_10015132_11\", \"page_i..."
}

数据字段

所有拆分之间的数据字段相同。

• 阶段：整数（int32）特征。
• 问题：字符串（string）特征。
• 标头：字符串（string）特征的列表。
• 页面标题：字符串（string）特征。
• 页面ID：字符串（string）特征。
• 类型：字符串（string）特征的列表。
• ID：字符串（string）特征。
• 章节标题：字符串（string）特征。
• 字幕：字符串（string）特征。
• 行：包含以下内容的字典特征：
  • 特征：字符串（string）特征。
• 名称：字符串（string）特征。
• 人类可读：字符串（string）特征。
• sel：整数（int32）特征。
• agg：整数（int32）特征。
• 条件：包含以下内容的字典特征：
  • 列索引：整数（int32）特征。
  • 操作符索引：整数（int32）特征。
  • 条件：字符串（string）特征。

数据拆分

数据集创建

策划理由

More Information Needed

原始数据

More Information Needed

More Information Needed

注释

More Information Needed

More Information Needed

个人和敏感信息

More Information Needed

使用数据的注意事项

数据的社会影响

More Information Needed

偏见讨论

More Information Needed

其他已知限制

More Information Needed

其他信息

数据集策划者

More Information Needed

许可信息

More Information Needed

引用信息

@article{zhongSeq2SQL2017,
  author    = {Victor Zhong and
               Caiming Xiong and
               Richard Socher},
  title     = {Seq2SQL: Generating Structured Queries from Natural Language using
               Reinforcement Learning},
  journal   = {CoRR},
  volume    = {abs/1709.00103},
  year      = {2017}
}

贡献者

感谢 @lewtun 、 @ghomasHudson 、 @thomwolf 添加此数据集。