Todai/msmarco-translated-nl-pair

---
dataset_info:
features:
- name: guid
dtype: string
- name: anchor
dtype: string
- name: positive
dtype: string
splits:
- name: train
num_bytes: 153112299.25899342
num_examples: 452838
- name: test
num_bytes: 27019956.741006587
num_examples: 79913
download_size: 118447630
dataset_size: 180132256.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

原始信息汇总

数据集概述

数据集特征

• guid: 数据类型为字符串
• anchor: 数据类型为字符串
• positive: 数据类型为字符串

数据集分割

• 训练集: 包含452,838个样本，占用153,112,299.25899342字节
• 测试集: 包含79,913个样本，占用27,019,956.741006587字节

数据集大小

• 下载大小: 118,447,630字节
• 数据集总大小: 180,132,256.0字节

数据文件配置

• 默认配置:
  • 训练数据路径: data/train-*
  • 测试数据路径: data/test-*