316usman/thematic4b_rr
收藏Hugging Face2024-04-07 更新2024-06-11 收录
下载链接：
https://hf-mirror.com/datasets/316usman/thematic4b_rr
下载链接
链接失效反馈官方服务：
资源简介：
该数据集包含文本数据，每条数据记录包括文本内容、文档URL、源URL和令牌数量。数据集主要分为训练集，共有269577个示例，总大小约为172GB。
该数据集包含文本数据，每条数据记录包括文本内容、文档URL、源URL和令牌数量。数据集主要分为训练集，共有269577个示例，总大小约为172GB。
提供机构：
316usman
原始信息汇总
数据集概述
数据集特征
- text：文本数据，数据类型为字符串。
- document_url：文档链接，数据类型为字符串。
- source_url：源链接，数据类型为字符串。
- num_tokens：标记数量，数据类型为整数。
数据集分割
- train：训练集，包含269577个样本，总大小为172219842.20373985字节。
数据集大小
- 下载大小：62151980字节。
- 数据集大小：172219842.20373985字节。
配置信息
- config_name：default
- data_files：
- split：train
- path：data/train-*
