BroDeadlines/TEST.PART_CLUSTER.raptor.edu_tdt_data

该数据集包含多个特征字段，包括文本、嵌入向量、聚类结果、文档ID和层级ID等。数据集被分为多个测试集，如basic_tdt_raptor、medium_tdt_raptor等，每个测试集有不同的字节大小和样本数量。数据集的下载大小为36268626字节，总大小为52400851字节。

The dataset contains multiple feature fields, including text, embedding vectors, clustering results, document IDs, and level IDs. The dataset is divided into several test sets, such as basic_tdt_raptor, medium_tdt_raptor, etc., each with different byte sizes and sample counts. The download size of the dataset is 36268626 bytes, and the total size is 52400851 bytes.

原始信息汇总

数据集信息

特征

• text: 数据类型为字符串。
• embd: 序列类型为float64。
• cluster: 序列类型为float64。
• doc_ids: 数据类型为字符串。
• level_id: 数据类型为字符串。
• index_level_0: 数据类型为int64。

分割

• TEST.basic_tdt_raptor:
  • 字节数: 871692
  • 样本数: 117
• TEST.medium_tdt_raptor:
  • 字节数: 16266124
  • 样本数: 1925

大小

• 下载大小: 14459601 字节
• 数据集大小: 17137816 字节

配置

• default:
  • 数据文件:
    • TEST.basic_tdt_raptor: 路径为 data/TEST.basic_tdt_raptor-*
    • TEST.medium_tdt_raptor: 路径为 data/TEST.medium_tdt_raptor-*