ola13/c4-clusters
收藏Hugging Face2023-01-20 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/ola13/c4-clusters
下载链接
链接失效反馈官方服务：
资源简介：
---
dataset_info:
features:
- name: text
dtype: string
- name: timestamp
dtype: string
- name: url
dtype: string
- name: meta
struct:
- name: perplexity_score
dtype: float64
- name: text_length
dtype: int64
- name: domain
dtype: 'null'
- name: perplexity
dtype: float64
- name: dup_ratio
dtype: float64
- name: pairs
sequence:
sequence: int64
- name: repetitions
sequence: binary
- name: cluster
sequence: int64
splits:
- name: train
num_bytes: 1061375955254
num_examples: 364868892
download_size: 137201241092
dataset_size: 1061375955254
---
# Dataset Card for "c4-clusters"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)
提供机构：
ola13
原始信息汇总
数据集概述
数据集名称
c4-clusters
数据集特征
- text: 字符串类型
- timestamp: 字符串类型
- url: 字符串类型
- meta: 结构体类型，包含以下字段：
- perplexity_score: 浮点数类型
- text_length: 整数类型
- domain: 空值类型
- perplexity: 浮点数类型
- dup_ratio: 浮点数类型
- pairs: 序列类型，序列元素为整数类型
- repetitions: 序列类型，序列元素为二进制类型
- cluster: 序列类型，序列元素为整数类型
数据集分割
- train: 训练集
- num_bytes: 1061375955254字节
- num_examples: 364868892个样本
数据集大小
- download_size: 137201241092字节
- dataset_size: 1061375955254字节
