HydraLM/clustered_1

---
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: float64
- name: text_processed
dtype: string
- name: __index_level_0__
dtype: int64
- name: cluster
sequence: int64
splits:
- name: train
num_bytes: 17476162280
num_examples: 1472917
download_size: 12523176003
dataset_size: 17476162280
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "clustered_1"

[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

• 特征列表:
  • text: 文本数据，数据类型为 string
  • conversation_id: 对话ID，数据类型为 int64
  • dataset_id: 数据集ID，数据类型为 string
  • unique_conversation_id: 唯一对话ID，数据类型为 string
  • embedding: 嵌入向量，数据类型为 float64 序列
  • text_processed: 处理后的文本数据，数据类型为 string
  • __index_level_0__: 索引级别0，数据类型为 int64
  • cluster: 聚类，数据类型为 int64 序列

数据分割

• 训练集:
  • 名称: train
  • 字节数: 17476162280
  • 样本数: 1472917

数据集大小

• 下载大小: 12523176003 字节
• 数据集大小: 17476162280 字节

配置

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