cheafdevo56/Influential_CitedNegs_10_Percent

该数据集包含三个主要特征：query、pos和neg。每个特征都包含多个子特征，如abstract、corpus_id和title，其中neg特征还包含一个额外的score子特征。数据集分为训练集和验证集，训练集包含45000个样本，验证集包含5000个样本。数据集的下载大小为115680519字节，总大小为192584229.0字节。

This dataset is primarily used for text matching tasks, containing three features: query, pos, and neg. The query and pos features have the same structure, including abstract, corpus_id, and title fields, while the neg feature includes these fields plus a score field. The dataset is divided into a training set and a validation set, containing 45000 and 5000 samples respectively. The download size of the dataset is 115680519 bytes, and the total size is 192584229.0 bytes.

原始信息汇总

数据集概述

数据集特征

• query
  • abstract: 数据类型为字符串
  • corpus_id: 数据类型为int64
  • title: 数据类型为字符串
• pos
  • abstract: 数据类型为字符串
  • corpus_id: 数据类型为int64
  • title: 数据类型为字符串
• neg
  • abstract: 数据类型为字符串
  • corpus_id: 数据类型为int64
  • score: 数据类型为int64
  • title: 数据类型为字符串

数据集分割

• train
  • 字节数: 173325806.1
  • 样本数: 45000
• validation
  • 字节数: 19258422.9
  • 样本数: 5000

数据集大小

• 下载大小: 115680519
• 数据集大小: 192584229.0

配置

• default
  • train
    • 路径: data/train-*
  • validation
    • 路径: data/validation-*