HydraLM/embedded_datasets_0822

---
dataset_info:
features:
- name: text
dtype: string
- name: conversation_id
dtype: int64
- name: dataset_id
dtype: string
- name: unique_conversation_id
dtype: string
- name: embedding
sequence: float32
splits:
- name: train
num_bytes: 14376321549
num_examples: 2865791
download_size: 14664637194
dataset_size: 14376321549
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "combined_embedded_v2"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集信息

特征

• text: 数据类型为字符串（string）
• conversation_id: 数据类型为64位整数（int64）
• dataset_id: 数据类型为字符串（string）
• unique_conversation_id: 数据类型为字符串（string）
• embedding: 数据类型为32位浮点数序列（sequence: float32）

数据分割

• train:
  • 字节数: 14376321549
  • 样本数: 2865791

数据大小

• 下载大小: 14664637194
• 数据集大小: 14376321549

配置

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