mixedbread-ai/wikipedia-embed-en-2023-11

--- dataset_info: features: - name: _id dtype: string - name: url dtype: string - name: title dtype: string - name: text dtype: string - name: emb sequence: float64 splits: - name: train num_bytes: 360383054010 num_examples: 41488110 download_size: 93931942137 dataset_size: 360383054010 configs: - config_name: default data_files: - split: train path: data/train-* ---

原始信息汇总

数据集概述

数据集特征

• _id: 数据类型为字符串。
• url: 数据类型为字符串。
• title: 数据类型为字符串。
• text: 数据类型为字符串。
• emb: 数据类型为浮点数序列。

数据集划分

• 训练集:
  • 数据量: 41488110条记录
  • 存储大小: 360383054010字节

数据集大小

• 下载大小: 93931942137字节
• 总大小: 360383054010字节

数据文件配置

• 配置名称: default
• 数据文件路径: data/train-*
• 数据划分: 训练集