davanstrien/moh-example-upload

该数据集是通过使用Corpus Creator工具创建的，具体方法是通过Llama Index解析文本文件并将其分割成句子块。处理时采用的块大小为128，块重叠为0。数据集包含两个特征：ids和texts，并且只有一个训练分割，包含784个例子，总大小为247143字节。

This dataset was created using Corpus Creator by parsing a corpus of text files into chunks of sentences using Llama Index. The processing was done with a chunk size of 128 and a chunk overlap of 0. The dataset includes two features: ids and texts, and has one training split containing 784 examples with a total size of 247143 bytes.

原始信息汇总

数据集概述

数据集信息

• 特征:
  • ids: 数据类型为字符串。
  • texts: 数据类型为字符串。
• 分割:
  • train: 包含784个样本，总大小为247143字节。
• 下载大小: 155834字节。
• 数据集大小: 247143字节。

配置

• 配置名称: default
  • 数据文件:
    • 分割: train
    • 路径: data/train-*

标签

• corpus-creator