nuuuwan/lk-hansard-2020s-chunks
收藏Hugging Face2025-12-19 更新2025-12-20 收录
下载链接：
https://hf-mirror.com/datasets/nuuuwan/lk-hansard-2020s-chunks
下载链接
链接失效反馈官方服务：
资源简介：
---
dataset_info:
features:
- name: doc_type
dtype: string
- name: doc_id
dtype: string
- name: num
dtype: string
- name: date_str
dtype: string
- name: description
dtype: string
- name: url_metadata
dtype: string
- name: lang
dtype: string
- name: url_pdf
dtype: string
- name: chunk_id
dtype: string
- name: chunk_index
dtype: int64
- name: language
dtype: string
- name: md5
dtype: string
- name: chunk_size_bytes
dtype: int64
- name: chunk_text
dtype: string
splits:
- name: train
num_bytes: 208490814
num_examples: 47707
download_size: 54536553
dataset_size: 208490814
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
数据集信息：
特征字段：
- 字段名：文档类型（doc_type），数据类型：字符串
- 字段名：文档ID（doc_id），数据类型：字符串
- 字段名：编号（num），数据类型：字符串
- 字段名：日期字符串（date_str），数据类型：字符串
- 字段名：描述信息（description），数据类型：字符串
- 字段名：元数据URL（url_metadata），数据类型：字符串
- 字段名：语言（lang），数据类型：字符串
- 字段名：PDF文件URL（url_pdf），数据类型：字符串
- 字段名：分块ID（chunk_id），数据类型：字符串
- 字段名：分块索引（chunk_index），数据类型：64位整数
- 字段名：语言（language），数据类型：字符串
- 字段名：MD5哈希值（md5），数据类型：字符串
- 字段名：分块字节大小（chunk_size_bytes），数据类型：64位整数
- 字段名：分块文本内容（chunk_text），数据类型：字符串
数据集划分：
- 划分名称：训练集（train），字节数：208490814，样本数量：47707
下载大小：54536553
数据集总大小：208490814
配置项：
- 配置名称：默认配置（default），数据文件：
- 对应划分：训练集（train），文件路径：data/train-*
提供机构：
nuuuwan
