Sicheng-Chroma/sec-filings

--- dataset_info: features: - name: id dtype: string - name: document dtype: string - name: embedding list: float32 - name: ticker dtype: string - name: filing_date dtype: string - name: form_type dtype: string - name: source dtype: string - name: chunk_i dtype: int32 splits: - name: train num_bytes: 15062525328 num_examples: 1713392 download_size: 12405773977 dataset_size: 15062525328 configs: - config_name: default data_files: - split: train path: data/train-* ---数据集信息： 特征列表： - 名称：标识符（id），数据类型：字符串（string） - 名称：文档（document），数据类型：字符串（string） - 名称：嵌入向量（embedding），数据类型：float32列表 - 名称：股票代码（ticker），数据类型：字符串（string） - 名称：申报日期（filing_date），数据类型：字符串（string） - 名称：表单类型（form_type），数据类型：字符串（string） - 名称：来源（source），数据类型：字符串（string） - 名称：分块编号（chunk_i），数据类型：32位整数（int32） 数据集拆分： - 拆分名称：训练集（train），占用字节数：15062525328，样本总数：1713392 下载总大小：12405773977 数据集总占用大小：15062525328 配置项： - 配置名称：默认配置（default），数据文件： - 对应拆分：训练集（train），文件路径：data/train-*