neody/oscar-ja-cleaned

该数据集是一个日语文本数据集，包含文本和特征两个主要字段。文本字段存储为字符串类型，特征字段存储为浮点数类型。数据集包含一个训练集，共有12,772,871个样本，总大小为5,783,063,135字节，下载大小为3,507,421,243字节。

This dataset is a Japanese text dataset containing two main fields: text and features. The text field is stored as a string type, and the features field is stored as a float64 type. The dataset includes a training set with 12,772,871 samples, totaling 5,783,063,135 bytes in size, and a download size of 3,507,421,243 bytes.

原始信息汇总

数据集概述

语言

• 日语（ja）

数据集信息

特征

• text: 数据类型为字符串（string）
• features: 数据类型为浮点数（float64）

分割

• train:
  • 字节数: 5783063135
  • 样本数: 12772871

下载与数据大小

• 下载大小: 3507421243 字节
• 数据集大小: 5783063135 字节

配置

• config_name: default
  • data_files:
    • split: train
    • path: data/train-*