kenhktsui/falcon_subset_quality_score_v1

--- dataset_info: features: - name: text dtype: string - name: meta struct: - name: source dtype: string - name: quality_score dtype: float64 - name: registry dtype: string - name: registry_score dtype: float64 - name: domain1 dtype: string - name: domain_score1 dtype: float64 - name: domain2 dtype: string - name: domain_score2 dtype: float64 - name: rating dtype: string - name: quality_score_v1 struct: - name: label dtype: string - name: score dtype: float32 splits: - name: train num_bytes: 3011072950 num_examples: 668977 download_size: 1830673223 dataset_size: 3011072950 configs: - config_name: default data_files: - split: train path: data/train-* ---数据集信息： 特征： - 名称：text，数据类型：字符串 - 名称：meta，为结构体类型，包含以下字段： - 名称：source，数据类型：字符串 - 名称：quality_score，数据类型：双精度浮点数（float64） - 名称：registry，数据类型：字符串 - 名称：registry_score，数据类型：双精度浮点数（float64） - 名称：domain1，数据类型：字符串 - 名称：domain_score1，数据类型：双精度浮点数（float64） - 名称：domain2，数据类型：字符串 - 名称：domain_score2，数据类型：双精度浮点数（float64） - 名称：rating，数据类型：字符串 - 名称：quality_score_v1，为结构体类型，包含以下字段： - 名称：label，数据类型：字符串 - 名称：score，数据类型：单精度浮点数（float32） 数据拆分： - 名称：train（训练集），占用字节数：3011072950，样本数量：668977 下载大小：1830673223 数据集总大小：3011072950 配置项： - 配置名称：default（默认配置），数据文件： - 划分：train（训练集），路径：data/train-*

原始信息汇总

数据集概述

数据集特征

• text: 数据类型为字符串。
• meta: 结构化数据，包含以下字段：
  • source: 数据类型为字符串。
  • quality_score: 数据类型为浮点数。
  • registry: 数据类型为字符串。
  • registry_score: 数据类型为浮点数。
  • domain1: 数据类型为字符串。
  • domain_score1: 数据类型为浮点数。
  • domain2: 数据类型为字符串。
  • domain_score2: 数据类型为浮点数。
  • rating: 数据类型为字符串。
• quality_score_v1: 结构化数据，包含以下字段：
  • label: 数据类型为字符串。
  • score: 数据类型为浮点数。

数据集分割

• train:
  • 数据大小: 3011072950 字节
  • 示例数量: 668977

数据集大小

• 下载大小: 1830673223 字节
• 数据集总大小: 3011072950 字节

配置

• config_name: default
• data_files:
  • split: train
  • path: data/train-*