ftopal/huggingface-datasets

---
dataset_info:
features:
- name: sha
dtype: string
- name: text
dtype: string
- name: id
dtype: string
- name: tags
sequence: string
- name: created_at
dtype: string
- name: metadata
dtype: string
- name: last_modified
dtype: string
- name: arxiv
sequence: string
- name: languages
sequence: string
- name: tags_str
dtype: string
- name: text_str
dtype: string
- name: text_lists
sequence: string
- name: processed_texts
sequence: string
splits:
- name: train
num_bytes: 552440888
num_examples: 52904
download_size: 133072355
dataset_size: 552440888
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

原始信息汇总

数据集概述

数据集特征

• sha: 数据类型为字符串。
• text: 数据类型为字符串。
• id: 数据类型为字符串。
• tags: 数据类型为字符串序列。
• created_at: 数据类型为字符串。
• metadata: 数据类型为字符串。
• last_modified: 数据类型为字符串。
• arxiv: 数据类型为字符串序列。
• languages: 数据类型为字符串序列。
• tags_str: 数据类型为字符串。
• text_str: 数据类型为字符串。
• text_lists: 数据类型为字符串序列。
• processed_texts: 数据类型为字符串序列。

数据集划分

• train: 包含52904个样本，占用552440888字节。

数据集大小

• 下载大小: 133072355字节。
• 数据集大小: 552440888字节。

配置

• default:
  • 数据文件路径: data/train-*