Tristan/olm-CC-MAIN-2022-40-sampling-ratio-0.15894621295-perplexity-filters
收藏Hugging Face2022-12-08 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/Tristan/olm-CC-MAIN-2022-40-sampling-ratio-0.15894621295-perplexity-filters
下载链接
链接失效反馈官方服务：
资源简介：
---
dataset_info:
features:
- name: text
dtype: string
- name: url
dtype: string
- name: crawl_timestamp
dtype: float64
- name: kenlm_ppl
dtype: float64
splits:
- name: train
num_bytes: 33197245533.0
num_examples: 14558171
download_size: 20748879886
dataset_size: 33197245533.0
---
# Dataset Card for "olm-CC-MAIN-2022-40-sampling-ratio-0.15894621295-perplexity-filters"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)
提供机构：
Tristan
原始信息汇总
数据集概述
数据集名称
"olm-CC-MAIN-2022-40-sampling-ratio-0.15894621295-perplexity-filters"
数据集特征
- text: 数据类型为字符串。
- url: 数据类型为字符串。
- crawl_timestamp: 数据类型为float64。
- kenlm_ppl: 数据类型为float64。
数据集分割
- train:
- 数据量: 33197245533.0 字节
- 示例数量: 14558171
数据集大小
- 下载大小: 20748879886 字节
- 数据集总大小: 33197245533.0 字节
