lilacai/lilac-the_movies_dataset

该数据集名为the_movies_dataset，由Lilac生成，用于HuggingFace Space。数据集包含电影相关的概述信息，并提供了多种信号分析，如近似重复检测、个人身份信息检测、语言检测、文本统计等。此外，还包含了基于不同概念的评分信号，如法律终止、负面情绪、非英语内容、正面情绪、亵渎、问题、源代码和毒性等。数据集的源文件为CSV格式，存储在Google Cloud Storage中。

原始信息汇总

数据集概述

命名空间和名称

• 命名空间: lilac
• 名称: the_movies_dataset

数据来源

• 文件路径:
  • https://storage.googleapis.com/lilac-data/datasets/the_movies_dataset/the_movies_dataset.csv
• 数据源类型: csv

嵌入信息

• 路径: overview
• 嵌入类型: gte-small

信号信息

• 路径: overview
• 信号类型:
  • near_dup
  • pii
  • lang_detection
  • text_statistics
  • concept_score (legal-termination)
  • concept_score (negative-sentiment)
  • concept_score (non-english)
  • concept_score (positive-sentiment)
  • concept_score (profanity)
  • concept_score (question)
  • concept_score (source-code)
  • concept_score (toxicity)
  • cluster_dbscan
  • cluster_hdbscan

设置

• UI设置:
  • 媒体路径: overview
  • Markdown路径: 无
• 标签:
  • other