neody/nwc2010-cleaned

该数据集包含日语文本数据，分为训练集。每个样本包含文本和特征，特征数据类型为float64。训练集大小为99730442个样本，总字节数为55519527436。数据集的下载大小为29932980650字节。

This dataset contains Japanese text data, divided into a training set. Each sample includes text and features, with feature data type being float64. The training set consists of 99730442 samples, with a total byte size of 55519527436. The download size of the dataset is 29932980650 bytes.

原始信息汇总

数据集概述

语言

• 日语 (ja)

数据集信息

特征

• text: 类型为字符串 (string)
• features: 类型为浮点数 (float64)

数据分割

• train:
  • 字节数: 55,519,527,436
  • 样本数: 99,730,442

数据大小

• 下载大小: 29,932,980,650 字节
• 数据集大小: 55,519,527,436 字节

配置

• config_name: default
  • data_files:
    • split: train
    • path: data/train-*