AdapterOcean/langchain-standardized_cluster_0

--- dataset_info: features: - name: text dtype: string - name: conversation_id dtype: int64 - name: embedding sequence: float64 - name: cluster dtype: int64 splits: - name: train num_bytes: 12116285 num_examples: 993 download_size: 3781329 dataset_size: 12116285 configs: - config_name: default data_files: - split: train path: data/train-* --- # Dataset Card for "langchain-standardized_cluster_0" [More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)数据集信息： 特征列： - 字段名：text，数据类型：字符串 - 字段名：conversation_id（会话ID），数据类型：64位整型 - 字段名：embedding（嵌入向量），数据类型：64位浮点型序列 - 字段名：cluster（聚类簇），数据类型：64位整型 数据划分： - 划分名称：train（训练集），占用字节数：12116285，样本数量：993 下载大小：3781329，数据集总大小：12116285 数据集配置： - 配置名称：default（默认配置），数据文件： - 对应划分：train（训练集），文件路径：data/train-* # "langchain-standardized_cluster_0"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

数据集信息

特征

• text: 数据类型为字符串（string）
• conversation_id: 数据类型为64位整数（int64）
• embedding: 序列类型为64位浮点数（float64）
• cluster: 数据类型为64位整数（int64）

数据分割

• train:
  • 字节数: 12116285
  • 样本数: 993

数据大小

• 下载大小: 3781329 字节
• 数据集大小: 12116285 字节

配置

• default:
  • 数据文件:
    • 分割: train
    • 路径: data/train-*

搜集汇总

背景与挑战

背景概述

该数据集是langchain-standardized系列的一部分，属于cluster_0聚类，包含993个训练示例，每个示例有文本、对话ID、嵌入向量和聚类标签四个特征。它主要用于文本分析和聚类任务，适用于自然语言处理或对话系统的模型训练。