harpreetmann/mteb_toxic_conversations_50k_with_label_text

---
dataset_info:
features:
- name: text
dtype: string
- name: label
dtype: int64
- name: label_text
dtype: string
splits:
- name: train
num_bytes: 14571979.2
num_examples: 45000
- name: validation
num_bytes: 1619108.8
num_examples: 5000
- name: test
num_bytes: 16078324.0
num_examples: 50000
download_size: 21036052
dataset_size: 32269412.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---

数据集信息：
特征字段：
- 名称：text，数据类型：字符串型
- 名称：label，数据类型：64位整型
- 名称：label_text，数据类型：字符串型
数据集划分：
- 划分名称：训练集（train），字节大小：14571979.2，样本数量：45000
- 划分名称：验证集（validation），字节大小：1619108.8，样本数量：5000
- 划分名称：测试集（test），字节大小：16078324.0，样本数量：50000
下载总大小：21036052
数据集总存储大小：32269412.0
数据集配置：
- 配置名称：默认配置（default），数据文件：
- 训练集（train）：文件路径为data/train-*
- 验证集（validation）：文件路径为data/validation-*
- 测试集（test）：文件路径为data/test-*

原始信息汇总

数据集概述

特征

• text: 数据类型为 string。
• label: 数据类型为 int64。
• label_text: 数据类型为 string。

数据分割

• train: 包含 45000 个样本，占用 14571979.2 字节。
• validation: 包含 5000 个样本，占用 1619108.8 字节。
• test: 包含 50000 个样本，占用 16078324.0 字节。

数据集大小

• 下载大小: 21036052 字节。
• 数据集总大小: 32269412.0 字节。

配置

• config_name: default
  • data_files:
    • train: 路径为 data/train-*。
    • validation: 路径为 data/validation-*。
    • test: 路径为 data/test-*。