biznetgio/oasst2-javanese

--- dataset_info: features: - name: message_id dtype: string - name: parent_id dtype: string - name: user_id dtype: string - name: created_date dtype: string - name: text dtype: string - name: role dtype: string - name: lang dtype: string - name: review_count dtype: int64 - name: review_result dtype: bool - name: deleted dtype: bool - name: rank dtype: float64 - name: synthetic dtype: bool - name: model_name dtype: 'null' - name: detoxify struct: - name: identity_attack dtype: float64 - name: insult dtype: float64 - name: obscene dtype: float64 - name: severe_toxicity dtype: float64 - name: sexual_explicit dtype: float64 - name: threat dtype: float64 - name: toxicity dtype: float64 - name: message_tree_id dtype: string - name: tree_state dtype: string - name: emojis struct: - name: count sequence: int64 - name: name sequence: string - name: labels struct: - name: count sequence: int64 - name: name sequence: string - name: value sequence: float64 splits: - name: train num_bytes: 41986354 num_examples: 39283 download_size: 13998762 dataset_size: 41986354 configs: - config_name: default data_files: - split: train path: data/train-* ---数据集信息： 特征： - 名称：message_id（消息ID），数据类型：字符串 - 名称：parent_id（父消息ID），数据类型：字符串 - 名称：user_id（用户ID），数据类型：字符串 - 名称：created_date（创建日期），数据类型：字符串 - 名称：text（文本内容），数据类型：字符串 - 名称：role（角色），数据类型：字符串 - 名称：lang（语言），数据类型：字符串 - 名称：review_count（审核次数），数据类型：64位整数（int64） - 名称：review_result（审核结果），数据类型：布尔型（bool） - 名称：deleted（是否删除），数据类型：布尔型（bool） - 名称：rank（排序分值），数据类型：64位浮点数（float64） - 名称：synthetic（是否为合成数据），数据类型：布尔型（bool） - 名称：model_name（模型名称），数据类型：空值（null） - 名称：detoxify（毒性检测指标），结构体包含： - identity_attack（身份攻击）：64位浮点数（float64） - insult（侮辱性）：64位浮点数（float64） - obscene（淫秽性）：64位浮点数（float64） - severe_toxicity（严重毒性）：64位浮点数（float64） - sexual_explicit（露骨性内容）：64位浮点数（float64） - threat（威胁性）：64位浮点数（float64） - toxicity（总体毒性）：64位浮点数（float64） - 名称：message_tree_id（消息树ID），数据类型：字符串 - 名称：tree_state（树状态），数据类型：字符串 - 名称：emojis（表情符号信息），结构体包含： - count（表情数量）：整数序列 - name（表情名称）：字符串序列 - 名称：labels（标签信息），结构体包含： - count（标签数量）：整数序列 - name（标签名称）：字符串序列 - value（标签值）：浮点数序列 数据集划分： - 划分名称：train（训练集），字节大小：41986354，样本数量：39283 下载大小：13998762 字节 数据集总大小：41986354 字节 配置项： - 配置名称：default（默认配置），数据文件： - 对应训练划分：路径为 data/train-*

原始信息汇总

数据集概述

数据集特征

• message_id: 字符串类型
• parent_id: 字符串类型
• user_id: 字符串类型
• created_date: 字符串类型
• text: 字符串类型
• role: 字符串类型
• lang: 字符串类型
• review_count: 64位整数类型
• review_result: 布尔类型
• deleted: 布尔类型
• rank: 64位浮点数类型
• synthetic: 布尔类型
• model_name: null类型
• detoxify: 结构体类型，包含以下字段：
  • identity_attack: 64位浮点数类型
  • insult: 64位浮点数类型
  • obscene: 64位浮点数类型
  • severe_toxicity: 64位浮点数类型
  • sexual_explicit: 64位浮点数类型
  • threat: 64位浮点数类型
  • toxicity: 64位浮点数类型
• message_tree_id: 字符串类型
• tree_state: 字符串类型
• emojis: 结构体类型，包含以下字段：
  • count: 序列化的64位整数类型
  • name: 序列化的字符串类型
• labels: 结构体类型，包含以下字段：
  • count: 序列化的64位整数类型
  • name: 序列化的字符串类型
  • value: 序列化的64位浮点数类型

数据集分割

• train: 包含41,986,354字节，39,283个样本

数据集大小

• 下载大小: 13,998,762字节
• 数据集大小: 41,986,354字节

配置

• default: 包含训练数据文件，路径为data/train-*