vietgpt/stackexchange

---
dataset_info:
features:
- name: text
dtype: string
- name: meta
struct:
- name: language
dtype: string
- name: url
dtype: string
- name: timestamp
dtype: timestamp[s]
- name: source
dtype: string
- name: question_score
dtype: string
splits:
- name: train
num_bytes: 74107092867
num_examples: 29825086
download_size: 36677546391
dataset_size: 74107092867
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "stackexchange"

[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：text（文本），数据类型：字符串
- 字段名：meta（元数据），数据类型：结构体，包含以下子字段：
- 字段名：language，数据类型：字符串
- 字段名：url，数据类型：字符串
- 字段名：timestamp，数据类型：秒级时间戳（timestamp[s]）
- 字段名：source，数据类型：字符串
- 字段名：question_score（问题评分），数据类型：字符串
数据集划分：
- 划分名称：train（训练集），字节数：74107092867，样本数量：29825086
下载大小：36677546391
数据集大小：74107092867
配置项：
- 配置名称：default（默认配置），数据文件：
- 数据集划分：train（训练集），路径：data/train-*
---
# 「stackexchange」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

数据集信息

• 特征:
  • text: 数据类型为字符串。
  • meta: 结构化数据，包含以下字段:
    • language: 数据类型为字符串。
    • url: 数据类型为字符串。
    • timestamp: 数据类型为时间戳（以秒为单位）。
    • source: 数据类型为字符串。
    • question_score: 数据类型为字符串。

数据分割

• 训练集:
  • 名称: train
  • 字节数: 74,107,092,867
  • 样本数: 29,825,086

数据集大小

• 下载大小: 36,677,546,391 字节
• 数据集大小: 74,107,092,867 字节

配置

• 默认配置:
  • 数据文件:
    • 分割: train
    • 路径: data/train-*