corto-ai/nsw-caselaw-chunked

该数据集包含多个配置，每个配置对应不同的文本分块策略（如chunk size和overlap）。数据集的特征包括文档的唯一标识符（_id）、版本标识符（version_id）、类型（type）、管辖区域（jurisdiction）、来源（source）、MIME类型（mime）、日期（date）、引用（citation）、URL（url）、抓取时间（when_scraped）、文本内容（text）以及分块索引（chunk_index）。数据集主要用于文本分块任务，适用于自然语言处理中的文本处理和分析。

The dataset contains multiple configurations, each corresponding to different text chunking strategies (e.g., chunk size and overlap). The features of the dataset include a unique document identifier (_id), version identifier (version_id), type, jurisdiction, source, MIME type (mime), date, citation, URL (url), scraping time (when_scraped), text content (text), and chunk index (chunk_index). The dataset is primarily used for text chunking tasks and is suitable for text processing and analysis in natural language processing.