AdapterOcean/data-standardized_cluster_16

--- dataset_info: features: - name: text dtype: string - name: conversation_id dtype: int64 - name: embedding sequence: float64 - name: cluster dtype: int64 splits: - name: train num_bytes: 44567056 num_examples: 4358 download_size: 12737777 dataset_size: 44567056 configs: - config_name: default data_files: - split: train path: data/train-* --- # Dataset Card for "data-standardized_cluster_16" [More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)dataset_info: 特征字段: - 名称: text（文本） 数据类型: string（字符串类型） - 名称: conversation_id（对话ID） 数据类型: int64（64位整型） - 名称: embedding（嵌入向量） 序列类型: float64（64位浮点型） - 名称: cluster（聚类标签） 数据类型: int64（64位整型） 数据划分: - 名称: train（训练集） 字节数: 44567056 样本数: 4358 下载大小: 12737777 数据集总大小: 44567056 configs: - 配置名称: default（默认配置） 数据文件: - 划分: train（训练集） 路径: data/train-* --- # 「data-standardized_cluster_16」数据集卡片 [需补充更多信息](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

• text: 数据类型为字符串（string）
• conversation_id: 数据类型为整数（int64）
• embedding: 数据类型为浮点数序列（sequence: float64）
• cluster: 数据类型为整数（int64）

数据分割

• train:
  • 字节数: 44567056
  • 样本数: 4358

数据大小

• 下载大小: 12737777
• 数据集大小: 44567056

配置

• config_name: default
  • data_files:
    • split: train
    • path: data/train-*