iambestfeed/select_data

该数据集包含多个特征，如sapo、content、sapo_embedding、content_embedding等，这些特征的数据类型包括字符串、浮点数序列和整数。数据集分为一个训练集，包含10,000个样本，总大小为550,900,797字节。下载大小为330,158,889字节。

The dataset contains multiple features such as sapo, content, sapo_embedding, content_embedding, etc., with data types including strings, sequences of float64, and integers. The dataset is divided into one training set with 10,000 samples, totaling 550,900,797 bytes. The download size is 330,158,889 bytes.

原始信息汇总

数据集概述

数据集特征

• sapo: 数据类型为字符串。
• content: 数据类型为字符串。
• sapo_embedding: 数据类型为浮点数序列。
• content_embedding: 数据类型为浮点数序列。
• top_10_biencoder: 数据类型为字符串序列。
• top_10_20_biencoder: 数据类型为字符串序列。
• checker: 数据类型为整数。
• top_10_bm25: 数据类型为字符串序列。
• top_10_20_bm25: 数据类型为字符串序列。

数据集分割

• train: 包含10000个样本，占用550900797字节。

数据集大小

• 下载大小: 330158889字节。
• 数据集大小: 550900797字节。

配置

• default: 包含训练数据文件，路径为data/train-*。