growth-cadet/signalrollups_subjects_desc_pt_embed1807

该数据集包含多个特征字段，包括主题（Subject）、描述（Description）、类型（Kind）以及主题和描述的嵌入向量（embedding_subject_vector和embedding_subdesc_vector）。数据集被分割为训练集，包含60,029个样本，总大小为1,484,408,851.703537字节。该数据集可能用于自然语言处理任务，如文本分类、主题建模或语义分析等。

This dataset includes multiple feature fields such as Subject, Description, Kind, and embedding vectors for subject and description (embedding_subject_vector and embedding_subdesc_vector). The dataset is split into a training set containing 60,029 samples, with a total size of 1,484,408,851.703537 bytes. This dataset is likely used for natural language processing tasks such as text classification, topic modeling, or semantic analysis.

原始信息汇总

数据集概述

数据集信息

• 特征:

  • Subject: 类型为字符串。
  • Description: 类型为字符串。
  • Kind: 类型为字符串。
  • embedding_subject_vector: 类型为浮点数序列。
  • embedding_subdesc_vector: 类型为浮点数序列。

• 分割:

  • train:
    • 字节数: 1484408851.703537
    • 样本数: 60029

• 下载大小: 1116468971

• 数据集大小: 1484408851.703537

配置

• 配置名称: default
  • 数据文件:
    • 分割: train
    • 路径: data/train-*