0x7o/taiga

该数据集是一个俄语文本数据集，包含文本和来源两个特征，数据类型均为字符串。数据集包含一个训练集，大小为58318723601.0字节，包含11373074个示例。下载大小为30541428512字节，数据集总大小为58318723601.0字节。默认配置的数据文件路径为data/train-*。

This dataset is a Russian text dataset containing two features: text and source, both of which are of string data type. The dataset includes a training set with a size of 58318723601.0 bytes, containing 11373074 examples. The download size is 30541428512 bytes, and the total dataset size is 58318723601.0 bytes. The default configurations data file path is data/train-*.

原始信息汇总

数据集概述

语言

• 俄语（ru）

数据集信息

特征

• text: 数据类型为字符串（string）
• source: 数据类型为字符串（string）

数据分割

• train:
  • 字节数: 58,318,723,601.0
  • 样本数: 11,373,074

数据大小

• 下载大小: 30,541,428,512 字节
• 数据集大小: 58,318,723,601.0 字节

配置

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