lowem1/cc_perp_sample_v1

--- dataset_info: features: - name: title dtype: string - name: text dtype: string - name: domain dtype: string - name: date dtype: string - name: description dtype: string - name: url dtype: string - name: image_url dtype: string - name: length dtype: int64 - name: hash dtype: string - name: mask dtype: string - name: filled dtype: string - name: edit_distance dtype: int64 - name: normalized_distance dtype: float64 - name: adj_distance dtype: float64 splits: - name: train num_bytes: 72314835 num_examples: 21966 download_size: 8889118 dataset_size: 72314835 --- # Dataset Card for "cc_perp_sample_v1" [More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集名称

• 名称: cc_perp_sample_v1

数据集特征

• 特征列表:
  • title: 字符串类型
  • text: 字符串类型
  • domain: 字符串类型
  • date: 字符串类型
  • description: 字符串类型
  • url: 字符串类型
  • image_url: 字符串类型
  • length: 整数类型（int64）
  • hash: 字符串类型
  • mask: 字符串类型
  • filled: 字符串类型
  • edit_distance: 整数类型（int64）
  • normalized_distance: 浮点数类型（float64）
  • adj_distance: 浮点数类型（float64）

数据集分割

• 训练集:
  • 字节数: 72314835
  • 示例数: 21966

数据集大小

• 下载大小: 8889118
• 数据集大小: 72314835