pacozaa/sharegpt90k-cleanned

---
dataset_info:
features:
- name: id
dtype: string
- name: conversations
sequence:
- name: from
dtype: string
- name: value
dtype: string
- name: text
dtype: string
splits:
- name: train
num_bytes: 2257960692
num_examples: 90665
download_size: 764314309
dataset_size: 2257960692
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
license: mit
task_categories:
- text-generation
tags:
- chatml
- sharegpt
- unsloth
- chat
---

# ShareGPT90K Clean HTML Tag

## Description
Clean the `<div>` and `<p>` tag from https://huggingface.co/datasets/liyucheng/ShareGPT90K

## Usage

Use `text` key - to access cleanned data with ChatML format
```
from datasets import load_dataset
dataset = load_dataset("pacozaa/sharegpt90k-cleanned", split = "train")
print(dataset[5]['text'])
```

原始信息汇总

数据集概述

数据集基本信息

• 名称: ShareGPT90K Clean HTML Tag
• 特征:
  • id: 数据类型为字符串。
  • conversations:
    • from: 数据类型为字符串。
    • value: 数据类型为字符串。
  • text: 数据类型为字符串。

数据集划分

• 训练集:
  • 大小: 2257960692 字节
  • 示例数量: 90665

数据集大小与下载大小

• 下载大小: 764314309 字节
• 数据集大小: 2257960692 字节

许可证

• 许可证: MIT

任务类别

• 任务类别: 文本生成

标签

• 标签:
  • chatml
  • sharegpt
  • unsloth
  • chat