ContextSearchLM/context_search_vietnamese_english_prompt_76_minilmtok_finetune

该数据集包含查询、正例和反例的文本数据，以及它们的ID和注意力掩码。数据集分为训练集和验证集，训练集包含1,412,391个示例，验证集包含5,364个示例。数据集的下载大小为720,165,613字节，总大小为1,936,866,074.1431155字节。

原始信息汇总

数据集概述

数据集特征

• query: 数据类型为字符串。
• pos: 数据类型为字符串。
• neg: 数据类型为字符串。
• query_ids: 数据类型为整数序列。
• query_attention_mask: 数据类型为整数序列。
• positive_ids: 数据类型为整数序列。
• positive_attention_mask: 数据类型为整数序列。
• negative_ids: 数据类型为整数序列。
• negative_attention_mask: 数据类型为整数序列。

数据集分割

• train: 包含1,412,391个样本，大小为1,930,411,753.552499字节。
• validation: 包含5,364个样本，大小为6,454,320.590616375字节。

数据集大小

• 下载大小: 720,165,613字节。
• 数据集总大小: 1,936,866,074.1431155字节。

配置信息

• config_name: default
  • data_files:
    • train: 路径为data/train-*。
    • validation: 路径为data/validation-*。