marceloslo/clustered_spj

该数据集包含多个特征，包括文本、元数据、索引、ID和聚类信息。数据集仅包含一个训练集分割，该分割包含58,996,336个示例，总大小为259,989,941,395字节。下载大小为151,223,710,339字节。

This dataset includes multiple features such as text, metadata, index, ID, and cluster information. The dataset contains only one training split, which includes 58,996,336 examples with a total size of 259,989,941,395 bytes. The download size is 151,223,710,339 bytes.

原始信息汇总

数据集概述

数据集信息

• 特征:
  • text: 数据类型为 string
  • meta: 数据类型为 string
  • index_level_0: 数据类型为 int64
  • id: 数据类型为 int64
  • cluster: 数据类型为 int64

数据集分割

• train:
  • 文件大小: 259989941395 字节
  • 样本数量: 58996336

数据集大小

• 下载大小: 151223710339 字节
• 数据集总大小: 259989941395 字节

配置

• 配置名称: default
  • 数据文件:
    • 分割: train
    • 路径: data/train-*