hyperdemocracy/usc-nomic-chunks-v1-s8192-o512

---
configs:
- config_name: default
data_files:
- path: data/usc-113-nomic-chunks-v1-s8192-o512.parquet
split: '113'
- path: data/usc-114-nomic-chunks-v1-s8192-o512.parquet
split: '114'
- path: data/usc-115-nomic-chunks-v1-s8192-o512.parquet
split: '115'
- path: data/usc-116-nomic-chunks-v1-s8192-o512.parquet
split: '116'
- path: data/usc-117-nomic-chunks-v1-s8192-o512.parquet
split: '117'
- path: data/usc-118-nomic-chunks-v1-s8192-o512.parquet
split: '118'
dataset_info:
features:
- dtype: string
name: chunk_id
- dtype: string
name: congress_num
- dtype: string
name: nomic_topic_depth_1
- dtype: string
name: nomic_topic_depth_2
- dtype: string
name: nomic_topic_depth_3
- dtype: float32
name: nomic_proj_x
- dtype: float32
name: nomic_proj_y
- list:
dtype: float32
name: nomic_vec
- dtype: string
name: text
- name: chunk_metadata
struct:
- dtype: string
name: chunk_id
- dtype: int32
name: chunk_index
- dtype: string
name: congress_num
- dtype: string
name: legis_class
- dtype: string
name: legis_id
- dtype: int32
name: legis_num
- dtype: string
name: legis_type
- dtype: string
name: legis_version
- dtype: int32
name: start_index
- dtype: string
name: text_date
- dtype: string
name: text_id
- name: bill_metadata
struct:
- dtype: string
name: introduced_date
- dtype: string
name: origin_chamber
- dtype: string
name: policy_area
- list:
dtype: string
name: subjects
- list:
- dtype: string
name: bioguide_id
- dtype: string
name: district
- dtype: string
name: first_name
- dtype: string
name: full_name
- dtype: string
name: is_by_request
- dtype: string
name: last_name
- dtype: string
name: middle_name
- dtype: string
name: party
- dtype: string
name: state
- name: identifiers
struct:
- dtype: string
name: bioguide_id
- dtype: string
name: lis_id
- dtype: string
name: gpo_id
name: sponsors
---

原始信息汇总

数据集配置

• 配置名称: default
• 数据文件路径及分割:
  • data/usc-113-nomic-chunks-v1-s8192-o512.parquet: 分割 113
  • data/usc-114-nomic-chunks-v1-s8192-o512.parquet: 分割 114
  • data/usc-115-nomic-chunks-v1-s8192-o512.parquet: 分割 115
  • data/usc-116-nomic-chunks-v1-s8192-o512.parquet: 分割 116
  • data/usc-117-nomic-chunks-v1-s8192-o512.parquet: 分割 117
  • data/usc-118-nomic-chunks-v1-s8192-o512.parquet: 分割 118

数据集信息

• 特征:
  • chunk_id: 字符串类型
  • congress_num: 字符串类型
  • nomic_topic_depth_1: 字符串类型
  • nomic_topic_depth_2: 字符串类型
  • nomic_topic_depth_3: 字符串类型
  • nomic_proj_x: 浮点数类型 (float32)
  • nomic_proj_y: 浮点数类型 (float32)
  • nomic_vec: 浮点数列表类型 (float32)
  • text: 字符串类型
  • chunk_metadata: 结构体类型
    • chunk_id: 字符串类型
    • chunk_index: 整数类型 (int32)
    • congress_num: 字符串类型
    • legis_class: 字符串类型
    • legis_id: 字符串类型
    • legis_num: 整数类型 (int32)
    • legis_type: 字符串类型
    • legis_version: 字符串类型
    • start_index: 整数类型 (int32)
    • text_date: 字符串类型
    • text_id: 字符串类型
  • bill_metadata: 结构体类型
    • introduced_date: 字符串类型
    • origin_chamber: 字符串类型
    • policy_area: 字符串类型
    • subjects: 字符串列表类型
    • sponsors: 结构体列表类型
      • bioguide_id: 字符串类型
      • district: 字符串类型
      • first_name: 字符串类型
      • full_name: 字符串类型
      • is_by_request: 字符串类型
      • last_name: 字符串类型
      • middle_name: 字符串类型
      • party: 字符串类型
      • state: 字符串类型
      • identifiers: 结构体类型
        • bioguide_id: 字符串类型
        • lis_id: 字符串类型
        • gpo_id: 字符串类型