systemk/wiki-ja-5k-metrics

---
dataset_info:
- config_name: dsir-domain
features:
- name: id
dtype: string
- name: url
dtype: string
- name: title
dtype: string
- name: text
dtype: string
- name: tokens
sequence: string
- name: weight
dtype: float32
- name: prob_dists
sequence: float32
splits:
- name: train
num_bytes: 407934862.0
num_examples: 5000
download_size: 45609551
dataset_size: 407934862.0
- config_name: ml-domain
features:
- name: id
dtype: string
- name: url
dtype: string
- name: title
dtype: string
- name: text
dtype: string
- name: similarity
dtype: float32
splits:
- name: train
num_bytes: 25615967.0
num_examples: 5000
download_size: 14602115
dataset_size: 25615967.0
configs:
- config_name: dsir-domain
data_files:
- split: train
path: dsir-domain/train-*
- config_name: ml-domain
data_files:
- split: train
path: ml-domain/train-*
---

原始信息汇总

数据集概述

dsir-domain

• 特征:
  • id: 字符串类型
  • url: 字符串类型
  • title: 字符串类型
  • text: 字符串类型
  • tokens: 字符串序列类型
  • weight: 浮点数类型
  • prob_dists: 浮点数序列类型
• 分割:
  • train:
    • 示例数量: 5000
    • 数据大小: 407934862.0 字节
• 下载大小: 45609551 字节
• 数据集大小: 407934862.0 字节

ml-domain

• 特征:
  • id: 字符串类型
  • url: 字符串类型
  • title: 字符串类型
  • text: 字符串类型
  • similarity: 浮点数类型
• 分割:
  • train:
    • 示例数量: 5000
    • 数据大小: 25615967.0 字节
• 下载大小: 14602115 字节
• 数据集大小: 25615967.0 字节