DatologyAI/c4-subsets

---
dataset_info:
- config_name: default
features:
- name: text
dtype: string
- name: timestamp
dtype: timestamp[s]
- name: url
dtype: string
splits:
- name: non_wiki
num_bytes: 1638292022.9630287
num_examples: 728516
- name: wiki
num_bytes: 1574165.0369712128
num_examples: 700
download_size: 1018636005
dataset_size: 1639866188.0
- config_name: non-wiki
features:
- name: text
dtype: string
- name: timestamp
dtype: timestamp[s]
- name: url
dtype: string
splits:
- name: validation
num_bytes: 1638292022.9630287
num_examples: 728516
download_size: 1016463414
dataset_size: 1638292022.9630287
- config_name: wiki
features:
- name: text
dtype: string
- name: timestamp
dtype: timestamp[s]
- name: url
dtype: string
splits:
- name: validation
num_bytes: 1574165.0369712128
num_examples: 700
download_size: 2172591
dataset_size: 1574165.0369712128
configs:
- config_name: default
data_files:
- split: non_wiki
path: data/non_wiki-*
- split: wiki
path: data/wiki-*
- config_name: non-wiki
data_files:
- split: validation
path: non-wiki/validation-*
- config_name: wiki
data_files:
- split: validation
path: wiki/validation-*
---

数据集信息：
1. 配置名称：default（默认配置）
特征列表：
- 字段名：text，数据类型：字符串（string）
- 字段名：timestamp，数据类型：秒级时间戳（timestamp[s]）
- 字段名：url，数据类型：字符串（string）
数据集拆分：
- 拆分名称：non_wiki，占用字节数：1638292022.9630287，样本总数：728516
- 拆分名称：wiki，占用字节数：1574165.0369712128，样本总数：700
下载总大小：1018636005，数据集总存储大小：1639866188.0
2. 配置名称：non-wiki（非维基配置）
特征列表：
- 字段名：text，数据类型：字符串
- 字段名：timestamp，数据类型：秒级时间戳
- 字段名：url，数据类型：字符串
数据集拆分：
- 拆分名称：验证集（validation），占用字节数：1638292022.9630287，样本总数：728516
下载总大小：1016463414，数据集总存储大小：1638292022.9630287
3. 配置名称：wiki（维基配置）
特征列表：
- 字段名：text，数据类型：字符串
- 字段名：timestamp，数据类型：秒级时间戳
- 字段名：url，数据类型：字符串
数据集拆分：
- 拆分名称：验证集（validation），占用字节数：1574165.0369712128，样本总数：700
下载总大小：2172591，数据集总存储大小：1574165.0369712128
配置项列表：
1. 配置名称：default，数据文件配置：
- 拆分：non_wiki，文件路径：data/non_wiki-*
- 拆分：wiki，文件路径：data/wiki-*
2. 配置名称：non-wiki，数据文件配置：
- 拆分：validation，文件路径：non-wiki/validation-*
3. 配置名称：wiki，数据文件配置：
- 拆分：validation，文件路径：wiki/validation-*