meg/fineweb-bias-man-sentences

---
dataset_info:
features:
- name: text
dtype: string
- name: metadata
struct:
- name: date
dtype: string
- name: dump
dtype: string
- name: file_path
dtype: string
- name: language
dtype: string
- name: language_score
dtype: float64
- name: token_count
dtype: int64
- name: url
dtype: string
splits:
- name: train
num_bytes: 38325810
num_examples: 2895
download_size: 23441955
dataset_size: 38325810
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

原始信息汇总

数据集概述

数据集特征

• text：文本数据，数据类型为字符串。
• metadata：元数据结构，包含以下字段：
  • date：日期，数据类型为字符串。
  • dump：数据类型为字符串。
  • file_path：文件路径，数据类型为字符串。
  • language：语言，数据类型为字符串。
  • language_score：语言评分，数据类型为浮点数。
  • token_count：词条计数，数据类型为整数。
  • url：网址，数据类型为字符串。

数据集分割

• train：训练集，包含2895个样本，总大小为38325810字节。

数据集大小

• 下载大小：23441955字节。
• 数据集大小：38325810字节。