vietgpt-archive/CC-MAIN-2020-10

--- dataset_info: features: - name: raw_text dtype: string - name: meta struct: - name: subfile dtype: string - name: url dtype: string splits: - name: train num_bytes: 3526377388 num_examples: 670453 download_size: 1591962832 dataset_size: 3526377388 --- # Dataset Card for "CC-MAIN-2020-10" [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

数据集名称

CC-MAIN-2020-10

数据集特征

• raw_text: 数据类型为字符串。
• meta: 结构化数据，包含以下子特征：
  • subfile: 数据类型为字符串。
  • url: 数据类型为字符串。

数据集分割

• train: 包含670453个样本，总大小为3526377388字节。

数据集大小

• 下载大小: 1591962832字节
• 数据集总大小: 3526377388字节