rhdeng/tigerbot_pretrain_zh

该数据集包含多个特征字段，包括数据类型（dataType）、标题（title）、内容（content）、唯一键（uniqueKey）、标题唯一键（titleUkey）和ID（id）。数据集被分割为训练集（train），包含6,762,009个样本，总大小为23,234,036,579字节。下载大小为15,207,985,234字节。

This dataset includes multiple feature fields such as data type (dataType), title (title), content (content), unique key (uniqueKey), title unique key (titleUkey), and ID (id). The dataset is split into a training set (train) containing 6,762,009 samples with a total size of 23,234,036,579 bytes. The download size is 15,207,985,234 bytes.

原始信息汇总

数据集概述

数据集信息

特征

• dataType: 数据类型，字符串类型。
• title: 标题，字符串类型。
• content: 内容，字符串类型。
• uniqueKey: 唯一键，字符串类型。
• titleUkey: 标题唯一键，字符串类型。
• id: 标识符，整数类型。

数据分割

• train: 训练集，包含6,762,009个样本，占用23,234,036,579字节。

数据集大小

• 下载大小: 15,207,985,234字节。
• 数据集大小: 23,234,036,579字节。

配置

• default: 默认配置，包含训练集数据文件路径为data/train-*。