sakusakumura/wikipedia-2023-11-ja-cleaned-w-label
收藏Hugging Face2024-06-10 更新2024-06-12 收录
下载链接：
https://hf-mirror.com/datasets/sakusakumura/wikipedia-2023-11-ja-cleaned-w-label
下载链接
链接失效反馈官方服务：
资源简介：
该数据集用于训练文本质量评分预测模型。数据来源于neody/wikipedia-2023-11-ja-cleaned，采样方法包括：1. 选取文章长度在前0.001%以内的样本；2. 选取特征（评分）值大于等于0.68的样本作为负样本（negative），共5000件；3. 从不符合上述条件的样本中选取5000件作为正样本（positive）。
提供机构：
sakusakumura
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。
- label：标签数据，数据类型为整数（int64）。
数据集划分
- 训练集（train）：包含10000个样本，总数据大小为3627433字节。
数据集大小
- 下载大小：2307451字节。
- 总数据大小：3627433字节。
数据文件配置
- 配置名称：default
- 数据文件路径：
data/train-*
