koke143/boedata

这是一个包含文本数据的机器学习数据集，具体应用和内容未在README中明确说明。数据集包含多个配置，每个配置下都有文本内容、块ID、标签和PDF ID等特征。数据被划分为训练集、验证集和测试集，以便于模型训练和评估。

This is a machine learning dataset containing text data, with the specific application and content not explicitly stated in the README. The dataset includes multiple configurations, each with features such as text content, chunk ID, label, and PDF ID. The data is split into training, validation, and test sets for model training and evaluation.

原始信息汇总

数据集概述

数据集配置

配置 20240712132444

• 特征:
  • text: 类型为 string
  • chunk_id: 类型为 string
  • label: 类型为 string
• 分割:
  • train: 114099 字节, 87 个样本
  • validation: 11726 字节, 10 个样本
  • test: 33235 字节, 25 个样本
• 下载大小: 64502 字节
• 数据集大小: 159060 字节

配置 20240712132527

• 特征:
  • text: 类型为 string
  • chunk_id: 类型为 string
  • label: 类型为 string
• 分割:
  • train: 114099 字节, 87 个样本
  • validation: 11726 字节, 10 个样本
  • test: 33235 字节, 25 个样本
• 下载大小: 64502 字节
• 数据集大小: 159060 字节

配置 20240712133118

• 特征:
  • text: 类型为 string
  • chunk_id: 类型为 string
  • label: 类型为 string
  • pdf_id: 类型为 string
• 分割:
  • train: 117579 字节, 87 个样本
  • validation: 12126 字节, 10 个样本
  • test: 34235 字节, 25 个样本
• 下载大小: 66418 字节
• 数据集大小: 163940 字节

配置 20240712133535

• 特征:
  • text: 类型为 string
  • chunk_id: 类型为 string
  • label: 类型为 string
  • pdf_id: 类型为 string
• 分割:
  • train: 117579 字节, 87 个样本
  • validation: 12126 字节, 10 个样本
  • test: 34235 字节, 25 个样本
• 下载大小: 66418 字节
• 数据集大小: 163940 字节

配置 20240712134915

• 特征:
  • text: 类型为 string
  • chunk_id: 类型为 string
  • label: 类型为 string
  • pdf_id: 类型为 string
• 分割:
  • train: 117579 字节, 87 个样本
  • validation: 12126 字节, 10 个样本
  • test: 34235 字节, 25 个样本
• 下载大小: 66418 字节
• 数据集大小: 163940 字节

配置 20240712163156

• 特征:
  • text: 类型为 string
  • chunk_id: 类型为 string
  • label: 类型为 string
  • pdf_id: 类型为 string
• 分割:
  • train: 1338248 字节, 2982 个样本
  • validation: 125184 字节, 332 个样本
  • test: 360411 字节, 829 个样本
• 下载大小: 908243 字节
• 数据集大小: 1823843 字节

配置 20240718225326

• 特征:
  • text: 类型为 string
  • chunk_id: 类型为 string
  • label: 类型为 string
  • pdf_id: 类型为 string
• 分割:
  • train: 1338248 字节, 2982 个样本
  • validation: 125184 字节, 332 个样本
  • test: 360411 字节, 829 个样本
• 下载大小: 908243 字节
• 数据集大小: 1823843 字节

配置 default

• 特征:
  • text: 类型为 string
  • chunk_id: 类型为 string
  • label: 类型为 string
• 分割:
  • train: 62372 字节, 43 个样本
  • validation: 8026 字节, 5 个样本
  • test: 9132 字节, 13 个样本
• 下载大小: 56373 字节
• 数据集大小: 79530 字节

数据文件路径

配置 20240712132444

• train: 20240712132444/train-*
• validation: 20240712132444/validation-*
• test: 20240712132444/test-*

配置 20240712132527

• train: 20240712132527/train-*
• validation: 20240712132527/validation-*
• test: 20240712132527/test-*

配置 20240712133118

• train: 20240712133118/train-*
• validation: 20240712133118/validation-*
• test: 20240712133118/test-*

配置 20240712133535

• train: 20240712133535/train-*
• validation: 20240712133535/validation-*
• test: 20240712133535/test-*

配置 20240712134915

• train: 20240712134915/train-*
• validation: 20240712134915/validation-*
• test: 20240712134915/test-*

配置 20240712163156

• train: 20240712163156/train-*
• validation: 20240712163156/validation-*
• test: 20240712163156/test-*

配置 20240718225326

• train: 20240718225326/train-*
• validation: 20240718225326/validation-*
• test: 20240718225326/test-*

配置 default

• train: Data/20240712131710/train-*
• validation: Data/20240712131710/validation-*
• test: Data/20240712131710/test-*