hadninede/oasst1_id

这是OASST1数据集的印尼语版本，完全使用HelsinkiNLP OPUS模型和llama2lang库进行翻译。数据集包含多个特征，如消息ID、父ID、用户ID、创建日期、文本、角色、语言、评论计数、评论结果、删除状态、排名、合成、模型名称、解毒分析、消息树ID、树状态、表情符号和标签等。数据集分为训练集和验证集，分别包含81291和3001个样本。

原始信息汇总

数据集概述

数据集信息

• 许可证: Apache-2.0

特征

• message_id: 字符串
• parent_id: 字符串
• user_id: 字符串
• created_date: 字符串
• text: 字符串
• role: 字符串
• lang: 字符串
• review_count: 整数
• review_result: 布尔值
• deleted: 布尔值
• rank: 浮点数
• synthetic: 布尔值
• model_name: 空值
• detoxify: 结构体，包含多个浮点数类型的子特征
• message_tree_id: 字符串
• tree_state: 字符串
• emojis: 结构体，包含计数（整数序列）和名称（字符串序列）
• labels: 结构体，包含计数（整数序列）、名称（字符串序列）和值（浮点数序列）

数据集分割

• 训练集: 81291个样本，大小为79183032字节
• 验证集: 3001个样本，大小为2952264字节

数据集大小

• 下载大小: 25749085字节
• 数据集大小: 82135296字节

配置

• 默认配置: 包含训练集和验证集的数据文件路径

任务类别

• 文本生成

语言

• 印尼语

数据集名称

• Translated OASST1 dataset in Bahasa Indonesia using HelsinkiNLP OPUS models

大小类别

• 10K<n<100K