Tristan/olm-CC-MAIN-2022-40-sampling-ratio-0.15894621295-exact-dedup-only
收藏Hugging Face2022-12-06 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/Tristan/olm-CC-MAIN-2022-40-sampling-ratio-0.15894621295-exact-dedup-only
下载链接
链接失效反馈官方服务：
资源简介：
---
dataset_info:
features:
- name: text
dtype: string
- name: url
dtype: string
- name: crawl_timestamp
dtype: float64
splits:
- name: train
num_bytes: 33889845422
num_examples: 5782492
download_size: 20360314176
dataset_size: 33889845422
---
# Dataset Card for "olm-CC-MAIN-2022-40-sampling-ratio-0.15894621295-exact-dedup-only"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)
提供机构：
Tristan
原始信息汇总
数据集概述
数据集名称
"olm-CC-MAIN-2022-40-sampling-ratio-0.15894621295-exact-dedup-only"
数据集特征
- text：字符串类型
- url：字符串类型
- crawl_timestamp：浮点数类型
数据集分割
- train：
- 示例数量：5782492
- 字节数：33889845422
数据集大小
- 下载大小：20360314176字节
- 数据集总大小：33889845422字节
