Yalexk/newsroom-embeddings-master

--- dataset_info: features: - name: url dtype: string - name: title dtype: string - name: text dtype: string - name: summary dtype: string - name: embedding_bert_finetuned list: float64 - name: embedding_minilm list: float64 - name: embedding_bert_base list: float64 splits: - name: train num_bytes: 20150007023 num_examples: 1212740 download_size: 18108721465 dataset_size: 20150007023 configs: - config_name: default data_files: - split: train path: data/train-* ---数据集详情： 特征列： - 字段名：URL链接，数据类型：字符串 - 字段名：标题，数据类型：字符串 - 字段名：正文文本，数据类型：字符串 - 字段名：摘要，数据类型：字符串 - 字段名：微调BERT（Bidirectional Encoder Representations from Transformers）嵌入向量，数据类型：float64列表 - 字段名：MiniLM嵌入向量，数据类型：float64列表 - 字段名：基础版BERT（BERT-base）嵌入向量，数据类型：float64列表 数据集划分： - 划分名称：训练集（train），字节占用量：20150007023，样本数量：1212740 下载大小：18108721465字节，数据集总存储大小：20150007023字节 配置项： - 配置名称：默认配置（default），数据文件： - 对应划分：训练集（train），文件路径：data/train-*