andersonbcdefg/dup_pairs_12m_jaccard_low

--- dataset_info: features: - name: query dtype: string - name: pos dtype: string - name: __index_level_0__ dtype: int64 - name: jaccard dtype: float64 splits: - name: train num_bytes: 533777023.6498108 num_examples: 4475915 download_size: 352610426 dataset_size: 533777023.6498108 configs: - config_name: default data_files: - split: train path: data/train-* ---

原始信息汇总

数据集概述

特征信息

• query: 数据类型为字符串（string）
• pos: 数据类型为字符串（string）
• index_level_0: 数据类型为整数（int64）
• jaccard: 数据类型为浮点数（float64）

数据分割

• train: 包含4,475,915个样本，占用533,777,023.6498108字节

数据集大小

• 下载大小: 352,610,426字节
• 实际大小: 533,777,023.6498108字节

配置信息

• config_name: default
• data_files:
  • split: train
  • path: data/train-*