Corran/OATestSetEmb

--- configs: - config_name: default data_files: - split: train path: data/train-* dataset_info: features: - name: id dtype: string - name: text dtype: string - name: topic dtype: string - name: field dtype: string - name: subfield dtype: string - name: domain dtype: string - name: abstract dtype: string - name: lang dtype: string - name: sentences list: string - name: embeddings list: list: float32 - name: sem_embeddings list: list: float32 - name: matches list: list: - name: m dtype: string - name: s dtype: string splits: - name: train num_bytes: 40588484561 num_examples: 779932 download_size: 39735445995 dataset_size: 40588484561 ---配置项： - 配置名称（config_name）：default（默认配置） 数据文件（data_files）： - 数据划分（split）：训练集（train） 文件路径（path）：data/train-* 数据集信息（dataset_info）： 特征字段（features）： - 字段名（name）：id，数据类型（dtype）：字符串（string） - 字段名：text，数据类型：字符串 - 字段名：topic，数据类型：字符串 - 字段名：field，数据类型：字符串 - 字段名：subfield，数据类型：字符串 - 字段名：domain，数据类型：字符串 - 字段名：abstract，数据类型：字符串 - 字段名：lang，数据类型：字符串 - 字段名：sentences，数据类型：字符串列表（list<string>） - 字段名：embeddings，数据类型：32位浮点型（float32）二维列表 - 字段名：sem_embeddings，数据类型：32位浮点型二维列表 - 字段名：matches，数据类型：二维列表，每个子列表包含两个结构体，结构体字段如下： - 字段名：m，数据类型：字符串 - 字段名：s，数据类型：字符串 数据划分集（splits）： - 划分名称（name）：训练集（train），占用字节数（num_bytes）：40588484561，样本数量（num_examples）：779932 下载大小（download_size）：39735445995 数据集总大小（dataset_size）：40588484561