基于Python，将数据集TrecQA_train.txt划分为训练集和测试集，“TrecQA_train.txt”为问答数据集，每行有三列，第一列为问题，第二列为答案，第三列为问题和答案的相关性，给出具体可运行代码

在Python中，我们可以使用`sklearn`库中的`train_test_split`函数来划分数据集。首先，你需要读取文本文件并处理成适合模型训练的数据格式。假设你的数据集中每一行格式如下：

问题1 答案1 相关性1
问题2 答案2 相关性2
...

以下是将数据划分为训练集和测试集的一个示例代码：

import pandas as pd
from sklearn.model_selection import train_test_split

# 读取数据集
data = []
with open('TrecQA_train.txt', 'r') as file:
    for line in file:
        question, answer, relevance = line.strip().split('\t')
        data.append([question, answer, relevance])

# 将数据转换为DataFrame
df = pd.DataFrame(data, columns=['Question', 'Answer', 'Relevance'])

# 划分数据集，通常我们会保留70%的数据作为训练集，剩下的30%作为测试集
train_df, test_df = train_test_split(df, test_size=0.3, random_state=42)

# 训练集保存到新的txt文件
train_df.to_csv('train_data.txt', sep='\t', index=False, header=False)
# 测试集保存到另一个txt文件
test_df.to_csv('test_data.txt', sep='\t', index=False, header=False)