KathirKs/CC-MAIN-2017-22_row_wise_20241004_115541
收藏Hugging Face2024-10-04 更新2024-12-14 收录
下载链接：
https://hf-mirror.com/datasets/KathirKs/CC-MAIN-2017-22_row_wise_20241004_115541
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、唯一标识符和元数据。文本数据以字符串序列的形式存储，唯一标识符为字符串类型。元数据包含四个字段：dump、file_path、id和url，均为字符串类型。数据集分为一个训练集，包含1,034,828个样本，总大小为12,793,020,079字节。下载大小为4,809,998,139字节。数据集的配置文件指定了默认配置，数据文件路径为data/train-*。
The dataset includes three main features: text (string sequence), uuid (string), and meta_data (structured data containing dump, file_path, id, and url). The dataset is split into a training set (train) with 1034828 samples, totaling 12793020079 bytes. The download size is 4809998139 bytes.
提供机构：
KathirKs
