sanjin7/embedding_dataset_distilbert_base_uncased_ad_subwords

---
dataset_info:
features:
- name: ad_id
dtype: int64
- name: shop_id
dtype: int64
- name: account_id
dtype: int64
- name: mean_embedding
sequence: float32
- name: cls_embedding
sequence: float32
splits:
- name: test
num_bytes: 5725152
num_examples: 927
- name: train
num_bytes: 43769312
num_examples: 7087
- name: val
num_bytes: 7726176
num_examples: 1251
download_size: 69324552
dataset_size: 57220640
---
# Dataset Card for "embedding_dataset_distilbert_base_uncased_ad_subwords"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

数据集信息：
特征字段：
- 字段名：广告ID（ad_id），数据类型：64位整数（int64）
- 字段名：店铺ID（shop_id），数据类型：64位整数（int64）
- 字段名：账户ID（account_id），数据类型：64位整数（int64）
- 字段名：平均嵌入向量（mean_embedding），数据类型：单精度浮点型（float32）序列
- 字段名：CLS嵌入向量（cls_embedding），数据类型：单精度浮点型（float32）序列
数据集划分：
- 划分名称：test（测试集），字节数：5725152，样本数量：927
- 划分名称：train（训练集），字节数：43769312，样本数量：7087
- 划分名称：val（验证集），字节数：7726176，样本数量：1251
下载总大小：69324552，数据集总大小：57220640
---
# 「embedding_dataset_distilbert_base_uncased_ad_subwords」数据集卡片
[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集特征

• ad_id: 数据类型为 int64。
• shop_id: 数据类型为 int64。
• account_id: 数据类型为 int64。
• mean_embedding: 数据类型为 float32，序列类型。
• cls_embedding: 数据类型为 float32，序列类型。

数据集分割

• test: 包含927个样本，占用5725152字节。
• train: 包含7087个样本，占用43769312字节。
• val: 包含1251个样本，占用7726176字节。

数据集大小

• 下载大小: 69324552字节。
• 数据集大小: 57220640字节。