seanswyi/miracl-ko-corpus-sampled

---
dataset_info:
features:
- name: docid
dtype: string
- name: title
dtype: string
- name: text
dtype: string
splits:
- name: train
num_bytes: 115772757
num_examples: 264621
download_size: 72391276
dataset_size: 115772757
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

原始信息汇总

数据集概述

数据集信息

• 特征:
  • docid: 文档ID，数据类型为字符串。
  • title: 文档标题，数据类型为字符串。
  • text: 文档文本内容，数据类型为字符串。

数据分割

• 训练集:
  • 名称: train
  • 字节数: 115,772,757
  • 样本数: 264,621

数据集大小

• 下载大小: 72,391,276 字节
• 数据集总大小: 115,772,757 字节

配置

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