dariolopez/oasst1-es
收藏Hugging Face2023-04-16 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/dariolopez/oasst1-es
下载链接
链接失效反馈官方服务：
资源简介：
OpenAssistant Conversations Spanish Dataset (OASST1-es)是OpenAssistant Conversations Dataset (OASST)的一个子集，通过`lang=es`过滤得到，主要包含西班牙语的对话数据。数据集的每个样本包含多个特征，如消息ID、父消息ID、用户ID、创建日期、文本内容、角色、语言、审核次数、审核结果、是否删除、排名、是否合成、模型名称、毒性分析、消息树ID、树状态、表情符号和标签等。数据集分为训练集和验证集，分别包含22763和1212个样本。
OpenAssistant Conversations Spanish Dataset (OASST1-es)是OpenAssistant Conversations Dataset (OASST)的一个子集，通过`lang=es`过滤得到，主要包含西班牙语的对话数据。数据集的每个样本包含多个特征，如消息ID、父消息ID、用户ID、创建日期、文本内容、角色、语言、审核次数、审核结果、是否删除、排名、是否合成、模型名称、毒性分析、消息树ID、树状态、表情符号和标签等。数据集分为训练集和验证集，分别包含22763和1212个样本。
提供机构：
dariolopez
原始信息汇总
数据集概述
数据集信息
- 许可证: Apache-2.0
- 特征:
- message_id: 字符串
- parent_id: 字符串
- user_id: 字符串
- created_date: 字符串
- text: 字符串
- role: 字符串
- lang: 字符串
- review_count: 整数 (int32)
- review_result: 布尔值
- deleted: 布尔值
- rank: 整数 (int32)
- synthetic: 布尔值
- model_name: 字符串
- detoxify: 结构体，包含以下特征:
- toxicity: 浮点数 (float64)
- severe_toxicity: 浮点数 (float64)
- obscene: 浮点数 (float64)
- identity_attack: 浮点数 (float64)
- insult: 浮点数 (float64)
- threat: 浮点数 (float64)
- sexual_explicit: 浮点数 (float64)
- message_tree_id: 字符串
- tree_state: 字符串
- emojis: 序列，包含以下特征:
- name: 字符串
- count: 整数 (int32)
- labels: 序列，包含以下特征:
- name: 字符串
- value: 浮点数 (float64)
- count: 整数 (int32)
数据集分割
- 训练集:
- 字节数: 27090656.151000153
- 示例数: 22763
- 验证集:
- 字节数: 1445812.4526244036
- 示例数: 1212
数据集大小
- 下载大小: 615518
- 数据集大小: 28536468.603624556
语言
- es
大小类别
- 10K<n<100K
