roborovski/crd-preproc

---
dataset_info:
features:
- name: chunk
dtype: string
- name: chunk_id
dtype: int32
- name: turn_start
dtype: int32
- name: turn_end
dtype: int32
- name: alignment_score
dtype: float32
- name: turns
list:
- name: names
sequence: string
- name: utterances
sequence: string
- name: number
dtype: int32
- name: text
dtype: string
splits:
- name: train
num_bytes: 414731309
num_examples: 38969
- name: test
num_bytes: 70536184
num_examples: 7500
- name: validation
num_bytes: 73015166
num_examples: 6327
download_size: 210313194
dataset_size: 558282659
---
# Dataset Card for "crd-preproc"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集特征

• chunk: 数据类型为字符串（string）。
• chunk_id: 数据类型为整数（int32）。
• turn_start: 数据类型为整数（int32）。
• turn_end: 数据类型为整数（int32）。
• alignment_score: 数据类型为浮点数（float32）。
• turns: 包含以下子特征：
  • names: 数据类型为字符串序列（sequence: string）。
  • utterances: 数据类型为字符串序列（sequence: string）。
  • number: 数据类型为整数（int32）。
• text: 数据类型为字符串（string）。

数据集划分

• train: 包含38969个样本，数据大小为414731309字节。
• test: 包含7500个样本，数据大小为70536184字节。
• validation: 包含6327个样本，数据大小为73015166字节。

数据集大小

• 下载大小: 210313194字节。
• 数据集总大小: 558282659字节。