jpcorb20/rag_epfl_guidelines
收藏Hugging Face2024-04-25 更新2024-06-12 收录
下载链接：
https://hf-mirror.com/datasets/jpcorb20/rag_epfl_guidelines
下载链接
链接失效反馈官方服务：
资源简介：
该数据集是EPFL指南开源数据集的RAG版本，使用了LangChain的递归字符文本分割器进行分块处理，块大小为1000个字符，重叠200个字符。数据集包含文档ID、标题、来源、文本和段落ID等特征，主要用于训练，包含710,745个示例，下载大小为234,020,519字节，数据集大小为566,284,252字节。数据集的许可证与原始来源的许可证相同。
该数据集是EPFL指南开源数据集的RAG版本，使用了LangChain的递归字符文本分割器进行分块处理，块大小为1000个字符，重叠200个字符。数据集包含文档ID、标题、来源、文本和段落ID等特征，主要用于训练，包含710,745个示例，下载大小为234,020,519字节，数据集大小为566,284,252字节。数据集的许可证与原始来源的许可证相同。
提供机构：
jpcorb20
原始信息汇总
数据集概述
许可证
- 许可证类型：common-crawl
- 许可证链接：LICENSE
数据集信息
- 特征：
doc_id：字符串类型title：字符串类型source：字符串类型text：字符串类型paragraph_id：整数类型（int64）
- 分割：
train：- 字节数：566284252
- 样本数：710745
- 下载大小：234020519
- 数据集大小：566284252
配置
- 默认配置：
- 数据文件：
- 分割：train
- 路径：data/train-*
- 数据文件：
语言
- 英语（en）
大小类别
- 100K < n < 1M
