rasdani/cohere-wikipedia-2023-11-sv-queries

该数据集名为cohere-wikipedia-2023-11-sv-queries，是通过distilabel工具创建的。数据集包含1500个训练样本，每个样本包含_id、url、title、text、score、views、model_name和query等特征。数据集的结构为JSON格式，可以通过Hugging Face的datasets库加载。数据集的主要用途是用于自然语言处理任务，特别是与瑞典语维基百科相关的查询处理。

原始信息汇总

数据集卡片 for cohere-wikipedia-2023-11-sv-queries

数据集概述

该数据集包含一个 pipeline.yaml 文件，可用于在 distilabel 中重现生成该数据集的管道：

console distilabel pipeline run --config "https://huggingface.co/datasets/rasdani/cohere-wikipedia-2023-11-sv-queries/raw/main/pipeline.yaml"

或者探索配置：

console distilabel pipeline info --config "https://huggingface.co/datasets/rasdani/cohere-wikipedia-2023-11-sv-queries/raw/main/pipeline.yaml"

数据集结构

每个配置的示例具有以下结构：

<details><summary> 配置: default </summary><hr>

json { "_id": "20231101.sv_2894_5", "model_name": "gpt-4o", "query": "Vilka grundu00e4mnen har fu00e5tt sina namn fru00e5n Ytterbygruvan?", "score": 1.0, "text": "Ocksu00e5 erbium och terbium har fu00e5tt sina namn fru00e5n Ytterbygruvan, liksom u00e4ven ytterbium. Den sistnu00e4mnda framstu00e4lldes genom att man 1878 ur den su00e4llsynta jordarten erbia lyckades fu00e5 fram en oxidkomponent som fick namn ytterbia; 19 u00e5r senare gav den oxidkomponenten som resultat de nya grundu00e4mnena ytterbium och lutetium.", "title": "Yttrium", "url": "https://sv.wikipedia.org/wiki/Yttrium", "views": 1827.4835762170137 }

该子集可以加载为：

python from datasets import load_dataset

ds = load_dataset("rasdani/cohere-wikipedia-2023-11-sv-queries", "default")

或者简单地加载，因为只有一个配置并且命名为 default：

python from datasets import load_dataset

ds = load_dataset("rasdani/cohere-wikipedia-2023-11-sv-queries")

</details>