ZhJiHo/CBRN_first_filter

--- license: apache-2.0 dataset_info: features: - name: text dtype: string - name: id dtype: string - name: metadata struct: - name: dump dtype: string - name: url dtype: string - name: date dtype: timestamp[s] - name: file_path dtype: string - name: language dtype: string - name: language_score dtype: float64 - name: token_count dtype: int64 splits: - name: train num_bytes: 101538277 num_examples: 12376 download_size: 58094773 dataset_size: 101538277 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

• text：字符串类型
• id：字符串类型
• metadata：结构化数据，包含以下字段：
  • dump：字符串类型
  • url：字符串类型
  • date：时间戳类型（秒）
  • file_path：字符串类型
  • language：字符串类型
  • language_score：浮点数类型
  • token_count：整数类型

数据集分割

• train：
  • 数据量：12376个样本
  • 存储大小：101538277字节

数据集大小

• 下载大小：58094773字节
• 数据集实际大小：101538277字节

数据文件配置

• default配置：
  • 训练数据路径：data/train-*