tazarov/large-ds2

--- dataset_info: features: - name: id dtype: string - name: embedding sequence: float32 - name: document dtype: string - name: metadata._id dtype: string - name: metadata.title dtype: string splits: - name: train num_bytes: 66035524 num_examples: 10000 download_size: 70392827 dataset_size: 66035524 configs: - config_name: default data_files: - split: train path: data/train-* --- # Dataset Card for "large-ds2" [More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)--- 数据集信息： 特征字段： - 字段名：id，数据类型：字符串（string） - 字段名：嵌入向量（embedding），数据类型：float32序列 - 字段名：文档（document），数据类型：字符串（string） - 字段名：元数据（metadata）._id，数据类型：字符串（string） - 字段名：元数据（metadata）.title，数据类型：字符串（string） 数据集划分： - 划分名称：训练集（train），占用字节数：66035524，样本数量：10000 下载大小：70392827 数据集本体大小：66035524 配置项： - 配置名称：默认（default），数据文件： - 对应划分：训练集（train），文件路径：data/train-* --- # 「large-ds2」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

数据集特征

• id: 数据类型为字符串。
• embedding: 数据类型为浮点数序列。
• document: 数据类型为字符串。
• metadata._id: 数据类型为字符串。
• metadata.title: 数据类型为字符串。

数据集划分

• train: 包含10000个样本，总字节数为66035524。

数据集大小

• 下载大小: 70392827字节。
• 数据集大小: 66035524字节。

配置

• default: 包含训练数据文件，路径为data/train-*。