karmiq/wikipedia-embeddings-cs-chunks

---
dataset_info:
features:
- name: id
dtype: string
- name: url
dtype: string
- name: title
dtype: string
- name: chunks
sequence: string
splits:
- name: train
num_bytes: 1576255061
num_examples: 534044
download_size: 973879557
dataset_size: 1576255061
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征字段：
- 字段名：标识符（id），数据类型：字符串
- 字段名：统一资源定位符（Uniform Resource Locator，URL），数据类型：字符串
- 字段名：标题（title），数据类型：字符串
- 字段名：分块（chunks），数据类型：字符串序列
数据集划分：
- 划分名称：训练集（train），字节大小：1576255061，样本数量：534044
下载总大小：973879557，数据集总存储大小：1576255061
数据集配置：
- 配置名称：默认配置（default），数据文件：
- 对应划分：训练集，数据路径：data/train-*

原始信息汇总

数据集概述

数据集特征

• id: 数据类型为字符串。
• url: 数据类型为字符串。
• title: 数据类型为字符串。
• chunks: 数据类型为字符串序列。

数据集分割

• train:
  • 字节数: 1576255061
  • 样本数: 534044

数据集大小

• 下载大小: 973879557
• 数据集大小: 1576255061

配置

• default:
  • 数据文件路径: data/train-*