konwoo/dclm-val-1k-t10x-tsp-d20-shuffled
收藏Hugging Face2025-12-18 更新2025-12-20 收录
下载链接：
https://hf-mirror.com/datasets/konwoo/dclm-val-1k-t10x-tsp-d20-shuffled
下载链接
链接失效反馈官方服务：
资源简介：
该数据集包含多个特征，包括文本内容、URL、语言识别数据（如英语概率）、元数据（如内容类型、WARC记录信息等）以及其他统计信息（如n-gram计数、前一词计数等）。数据集分为一个训练集，包含1000个样本。
The dataset includes various features such as text content, URLs, language identification data (e.g., English probability), metadata (e.g., content type, WARC record information), and other statistical information (e.g., n-gram counts, previous word counts). The dataset is split into a single training set containing 1000 examples.
提供机构：
konwoo
