gg-ai/es-0711-no-demoji-m

es-0711-no-demoji-m数据集，包含文本、清洗后的文本和句子标识三个特征，分为训练、测试和验证三个部分。

原始信息汇总

数据集概述

配置

• 默认配置 (default)
  • 数据文件路径：
    • 训练集 (train): data/train-*
    • 测试集 (test): data/test-*
    • 验证集 (val): data/val-*

数据集信息

• 特征：

  • text: 字符串类型 (string)
  • clean_text: 字符串类型 (string)
  • sent: 64位整数类型 (int64)

• 数据分割：

  • 训练集 (train)
    • 字节数: 5954899
    • 样本数: 16328
  • 测试集 (test)
    • 字节数: 1175826
    • 样本数: 3265
  • 验证集 (val)
    • 字节数: 299490
    • 样本数: 817

• 数据集大小：

  • 下载大小: 4747323 字节
  • 数据集总大小: 7430215 字节