pharaouk/biology_dataset_standardized_embedded

---
dataset_info:
features:
- name: text
dtype: string
- name: conversation_id
dtype: int64
- name: embedding
sequence: float32
splits:
- name: train
num_bytes: 141397601
num_examples: 19999
download_size: 0
dataset_size: 141397601
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "biology_dataset_standardized_embedded"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集信息

• 特征:

  • text: 数据类型为 string
  • conversation_id: 数据类型为 int64
  • embedding: 数据类型为 float32，序列类型

• 分割:

  • train: 包含 19999 个样本，总字节数为 141397601

• 大小:

  • 下载大小: 0 字节
  • 数据集大小: 141397601 字节

配置

• 默认配置:
  • 数据文件路径: data/train-*