alessandropisent/MSMarco_DSI

该数据集包含文本数据，主要特征包括文本ID（text_id）和文本内容（text）。数据集分为训练集（train）、验证集（validation）和测试集（test）三个部分，分别包含17661、176和599个样本。总下载大小为2924395字节，数据集总大小为5449080字节。

This dataset contains text data, with main features including text ID (text_id) and text content (text). The dataset is divided into three parts: training set (train), validation set (validation), and test set (test), containing 17661, 176, and 599 samples respectively. The total download size is 2924395 bytes, and the total dataset size is 5449080 bytes.

原始信息汇总

数据集概述

数据集特征

• text_id: 字符串类型
• text: 字符串类型

数据集划分

• train:
  • 字节数: 5046389
  • 样本数: 17661
• validation:
  • 字节数: 9381
  • 样本数: 176
• test:
  • 字节数: 393310
  • 样本数: 599

数据集大小

• 下载大小: 2924395 字节
• 数据集总大小: 5449080 字节

配置

• config_name: default
  • 数据文件路径:
    • train: data/train-*
    • validation: data/validation-*
    • test: data/test-*