chrystians/oasst1_pl

--- dataset_info: features: - name: message_id dtype: string - name: parent_id dtype: string - name: user_id dtype: string - name: created_date dtype: string - name: text dtype: string - name: role dtype: string - name: lang dtype: string - name: review_count dtype: int64 - name: review_result dtype: bool - name: deleted dtype: bool - name: rank dtype: float64 - name: synthetic dtype: bool - name: model_name dtype: 'null' - name: detoxify struct: - name: identity_attack dtype: float64 - name: insult dtype: float64 - name: obscene dtype: float64 - name: severe_toxicity dtype: float64 - name: sexual_explicit dtype: float64 - name: threat dtype: float64 - name: toxicity dtype: float64 - name: message_tree_id dtype: string - name: tree_state dtype: string - name: emojis struct: - name: count sequence: int64 - name: name sequence: string - name: labels struct: - name: count sequence: int64 - name: name sequence: string - name: value sequence: float64 splits: - name: train num_bytes: 30670882 num_examples: 28320 - name: validation num_bytes: 1414743 num_examples: 1291 download_size: 11572068 dataset_size: 32085625 configs: - config_name: default data_files: - split: train path: data/train-* - split: validation path: data/validation-* ---

原始信息汇总

数据集概述

特征信息

数据集包含以下特征：

• message_id: 字符串类型
• parent_id: 字符串类型
• user_id: 字符串类型
• created_date: 字符串类型
• text: 字符串类型
• role: 字符串类型
• lang: 字符串类型
• review_count: 64位整数类型
• review_result: 布尔类型
• deleted: 布尔类型
• rank: 64位浮点数类型
• synthetic: 布尔类型
• model_name: null类型
• detoxify: 结构类型，包含以下字段：
  • identity_attack: 64位浮点数类型
  • insult: 64位浮点数类型
  • obscene: 64位浮点数类型
  • severe_toxicity: 64位浮点数类型
  • sexual_explicit: 64位浮点数类型
  • threat: 64位浮点数类型
  • toxicity: 64位浮点数类型
• message_tree_id: 字符串类型
• tree_state: 字符串类型
• emojis: 结构类型，包含以下字段：
  • count: 序列类型，64位整数
  • name: 序列类型，字符串
• labels: 结构类型，包含以下字段：
  • count: 序列类型，64位整数
  • name: 序列类型，字符串
  • value: 序列类型，64位浮点数

数据分割

数据集分为以下几个部分：

• train: 包含30670882字节，28320个样本
• validation: 包含1414743字节，1291个样本

数据大小

• 下载大小: 11572068字节
• 数据集大小: 32085625字节

配置信息

• default配置包含以下数据文件：
  • train: 路径为data/train-*
  • validation: 路径为data/validation-*