samolego/OASST1-slovene

该数据集包含多种特征，如消息ID、用户ID、创建日期、文本内容等，以及结构化数据如detoxify（包含多个与毒性相关的指标）和emojis（表情符号的计数和名称）。数据集分为训练集和验证集，分别存储在不同的路径下，总数据集大小为83583958字节，下载大小为27643869字节。

原始信息汇总

数据集概述

数据集特征

• message_id: 字符串类型
• parent_id: 字符串类型
• user_id: 字符串类型
• created_date: 字符串类型
• text: 字符串类型
• role: 字符串类型
• lang: 字符串类型
• review_count: 整数类型
• review_result: 布尔类型
• deleted: 布尔类型
• rank: 浮点数类型
• synthetic: 布尔类型
• model_name: 空值类型
• detoxify: 结构类型，包含以下子特征：
  • identity_attack: 浮点数类型
  • insult: 浮点数类型
  • obscene: 浮点数类型
  • severe_toxicity: 浮点数类型
  • sexual_explicit: 浮点数类型
  • threat: 浮点数类型
  • toxicity: 浮点数类型
• message_tree_id: 字符串类型
• tree_state: 字符串类型
• emojis: 结构类型，包含以下子特征：
  • count: 序列整数类型
  • name: 序列字符串类型
• labels: 结构类型，包含以下子特征：
  • count: 序列整数类型
  • name: 序列字符串类型
  • value: 序列浮点数类型

数据集分割

• validation: 数据量3245条，占用空间3265400字节
• train: 数据量80865条，占用空间80318558字节

数据集大小

• 下载大小: 27643869字节
• 数据集总大小: 83583958字节