BroDeadlines/TEST.NEW.PART_CLUSTER.raptor.edu_tdt_data

该数据集包含多个特征，如文本、嵌入向量、聚类结果、文档ID、层级ID、简单分片和困难分片等。数据集分为三个测试集，分别是TEST.medium_tdt_raptor、TEST.medium_tdt_raptor_vi和TEST.medium_tdt_proposition_raptor_vi，每个测试集有不同的字节大小和样本数量。数据集的总下载大小为35329004字节，总数据集大小为51569303字节。

原始信息汇总

数据集概述

数据集信息

特征

• text: 类型为字符串。
• embd: 序列类型为float64。
• cluster: 序列类型为float64。
• doc_ids: 类型为字符串。
• level_id: 类型为字符串。
• easy_shards: 类型为int64。
• hard_shards: 类型为int64。

数据分割

• TEST.medium_tdt_raptor:
  • 字节数: 16281524
  • 样本数: 1925
• TEST.medium_tdt_raptor_vi:
  • 字节数: 12719128
  • 样本数: 1523
• TEST.medium_tdt_proposition_raptor_vi:
  • 字节数: 22568651
  • 样本数: 1570

数据集大小

• 下载大小: 35329004 字节
• 数据集大小: 51569303 字节

配置

• config_name: default
  • data_files:
    • split: TEST.medium_tdt_raptor
      • path: data/TEST.medium_tdt_raptor-*
    • split: TEST.medium_tdt_raptor_vi
      • path: data/TEST.medium_tdt_raptor_vi-*
    • split: TEST.medium_tdt_proposition_raptor_vi
      • path: data/TEST.medium_tdt_proposition_raptor_vi-*