我们下载的是train-v1.1.json.
用json打开
data=json.load(open(train-v1.1.json))
data是一个dict，长度是2，key是"data"和"version".
数据全在data[“data”]中
data[“data”]是一个长度为442的list，每一个元素是一个dict.
我们来看第一个元素：data[“data”][0]
这是一个dict,key是"title"和"paragraphs".
也就是说data[“data”]中每一个元素是一篇文章，用字典表示，文章的标题对应的key是title,文章中的所有段落用"paragraphs"表示.
paragraphs=data[“data”][0][“paragraphs”]
paragraphs是一个list，每一个元素代表这篇文章的一个段落，用一个dict表示，key是"context"和"qas".显然当前段落的文本就是"context"对应的字符串，而"qas"则是针对这个段落文本提出的问题和正确的答案。
question_and_answers=data[“data”][0][“paragraphs”][0][“qas”]
question_and_answers是整个数据集中所有段落的第一个段落的问题和答案。是一个list。每一个元素是一个dict。
如图，每一个元素表示的就是答案，问题，以及问题编号。答案中给出了答案的起始位置和答案的文本字符串。
下面用ppt画了一个草图
我们要的数据包括context,这代表一个段落，而对于这个段落会有几个问题和对应的答案，所以还需要question和text以及answer start,text就是question的答案。这个数据集好像一个question只有一个答案。