NickyNicky/oasst2_clusters

该数据集包含三个主要分割（Cluster_1, Cluster_2, Cluster_3），每个分割包含文本、聚类、极性和单词计数四个特征。数据集支持多种语言，包括英语、西班牙语、俄语、中文等。每个分割的最大和最小单词计数也被列出，例如Cluster_1的最大单词计数为1722，最小为11。

原始信息汇总

数据集概述

数据特征

• Text: 文本数据，数据类型为字符串。
• Cluster: 聚类标识，数据类型为32位整数。
• Polarity: 极性值，数据类型为64位浮点数。
• count_word: 单词计数，数据类型为64位整数。

数据分割

• Cluster_1: 包含4797个样本，数据大小为11487341字节。
• Cluster_2: 包含4025个样本，数据大小为8423711字节。
• Cluster_3: 包含5026个样本，数据大小为16002250字节。

数据集大小

• 下载大小: 18951480字节
• 数据集总大小: 35913302字节

配置

• default: 包含三个数据文件，分别对应Cluster_1、Cluster_2和Cluster_3。

支持的语言

• 数据集支持多种语言，包括英语、西班牙语、俄语、中文、德语、法语、泰语等。

单词计数统计

• Cluster_1:
  • 最大单词计数: 1722
  • 最小单词计数: 11
• Cluster_2:
  • 最大单词计数: 2624
  • 最小单词计数: 21
• Cluster_3:
  • 最大单词计数: 2370
  • 最小单词计数: 31