christophsonntag/gte_embedded_movies

该数据集来源于MongoDB的embedded_movies数据集，包含不同流派电影的详细信息。每行代表一部电影，包含详细的信息。与原始数据集不同，该数据集使用了开源General Text Embeddings模型对fullplot列进行嵌入，而不是MongoDB Atlas中使用的OpenAI的text-embedding-ada-002嵌入模型。这些开源嵌入也被用于Hermes项目。

原始信息汇总

数据集概述

数据集特征

• runtime: 电影运行时间，数据类型为float64。
• languages: 电影使用的语言，数据类型为sequence: string。
• metacritic: 电影在Metacritic上的评分，数据类型为float64。
• type: 电影类型，数据类型为string。
• imdb: IMDb信息，包含id（数据类型int64）、rating（数据类型float64）和votes（数据类型int64）。
• genres: 电影的类型，数据类型为sequence: string。
• awards: 电影获得的奖项信息，包含nominations（数据类型int64）、text（数据类型string）和wins（数据类型int64）。
• rated: 电影评级，数据类型为string。
• cast: 电影演员列表，数据类型为sequence: string。
• directors: 电影导演列表，数据类型为sequence: string。
• fullplot: 电影完整剧情描述，数据类型为string。
• title: 电影标题，数据类型为string。
• num_mflix_comments: Mflix评论数量，数据类型为int64。
• countries: 电影发行国家，数据类型为sequence: string。
• plot: 电影剧情概要，数据类型为string。
• poster: 电影海报链接，数据类型为string。
• writers: 电影编剧列表，数据类型为sequence: string。
• plot_embedding: 电影剧情嵌入向量，数据类型为sequence: float64。

数据集拆分

• train: 训练集，包含1452个样本，数据大小为13657438字节。

数据集大小

• 下载大小: 10625884字节。
• 数据集大小: 13657438字节。