rasdani/cohere-wikipedia-2023-11-nl-queries

---
size_categories: n<1K
dataset_info:
features:
- name: _id
dtype: string
- name: url
dtype: string
- name: title
dtype: string
- name: text
dtype: string
- name: score
dtype: float64
- name: views
dtype: float64
- name: model_name
dtype: string
- name: query
dtype: string
splits:
- name: train
num_bytes: 844590
num_examples: 1500
download_size: 527802
dataset_size: 844590
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
tags:
- synthetic
- distilabel
- rlaif
---

<p align="left">
<a href="https://github.com/argilla-io/distilabel">
<img src="https://raw.githubusercontent.com/argilla-io/distilabel/main/docs/assets/distilabel-badge-light.png" alt="Built with Distilabel" width="200" height="32"/>
</a>
</p>

# Dataset Card for cohere-wikipedia-2023-11-nl-queries

This dataset has been created with [distilabel](https://distilabel.argilla.io/).

## Dataset Summary

This dataset contains a `pipeline.yaml` which can be used to reproduce the pipeline that generated it in distilabel using the `distilabel` CLI:

```console
distilabel pipeline run --config "https://huggingface.co/datasets/rasdani/cohere-wikipedia-2023-11-nl-queries/raw/main/pipeline.yaml"
```

or explore the configuration:

```console
distilabel pipeline info --config "https://huggingface.co/datasets/rasdani/cohere-wikipedia-2023-11-nl-queries/raw/main/pipeline.yaml"
```

## Dataset structure

The examples have the following structure per configuration:

<details><summary> Configuration: default </summary><hr>

```json
{
"_id": "20231101.nl_13946_8",
"model_name": "gpt-4o",
"query": "Hoe verschilt het gedrag van de blauwe pauw en de groene pauw bij het zorgen voor hun jongen?",
"score": 1.0,
"text": "Bij de blauwe pauw zorgt de hen alleen voor haar jongen. De groene pauw echter leeft in kleine groepjes bestaande uit de haan, zijn hen en de jongen. Nadat de eieren zijn uitgekomen, zorgt de moeder nog lange tijd voor de jongen. Mannetje en vrouwtje maken hun nest meestal in een kuiltje in de grond tussen de struiken. Maar soms ook in een dikke boom, in een leeg roofvogelnest, of zelfs op een gebouw. Het nest wordt bedekt met wat dorre bladeren of gras.",
"title": "Pauwen",
"url": "https://nl.wikipedia.org/wiki/Pauwen",
"views": 5447.554382795322
}
```

This subset can be loaded as:

```python
from datasets import load_dataset

ds = load_dataset("rasdani/cohere-wikipedia-2023-11-nl-queries", "default")
```

Or simply as it follows, since there's only one configuration and is named `default`:

```python
from datasets import load_dataset

ds = load_dataset("rasdani/cohere-wikipedia-2023-11-nl-queries")
```

</details>

原始信息汇总

数据集概述

数据集基本信息

• 大小分类: n<1K
• 下载大小: 527802字节
• 数据集大小: 844590字节

数据集特征

• _id: 字符串类型
• url: 字符串类型
• title: 字符串类型
• text: 字符串类型
• score: 浮点数类型
• views: 浮点数类型
• model_name: 字符串类型
• query: 字符串类型

数据集划分

• 训练集:
  • 字节数: 844590
  • 示例数: 1500

配置信息

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

数据集结构

• 默认配置结构: json { "_id": "20231101.nl_13946_8", "model_name": "gpt-4o", "query": "Hoe verschilt het gedrag van de blauwe pauw en de groene pauw bij het zorgen voor hun jongen?", "score": 1.0, "text": "Bij de blauwe pauw zorgt de hen alleen voor haar jongen. De groene pauw echter leeft in kleine groepjes bestaande uit de haan, zijn hen en de jongen. Nadat de eieren zijn uitgekomen, zorgt de moeder nog lange tijd voor de jongen. Mannetje en vrouwtje maken hun nest meestal in een kuiltje in de grond tussen de struiken. Maar soms ook in een dikke boom, in een leeg roofvogelnest, of zelfs op een gebouw. Het nest wordt bedekt met wat dorre bladeren of gras.", "title": "Pauwen", "url": "https://nl.wikipedia.org/wiki/Pauwen", "views": 5447.554382795322 }

加载数据集

• Python代码: python from datasets import load_dataset

  ds = load_dataset("rasdani/cohere-wikipedia-2023-11-nl-queries", "default")