davanstrien/dataset_cards_with_long_context_embeddins

---
dataset_info:
features:
- name: id
dtype: string
- name: lastModified
dtype: string
- name: tags
sequence: string
- name: author
dtype: string
- name: description
dtype: string
- name: citation
dtype: string
- name: likes
dtype: int64
- name: downloads
dtype: int64
- name: created
dtype: timestamp[us]
- name: card
dtype: string
- name: card_len
dtype: int64
- name: embeddings
sequence:
sequence: float32
splits:
- name: train
num_bytes: 334799613.62829113
num_examples: 64462
download_size: 128564352
dataset_size: 334799613.62829113
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "dataset_cards_with_long_context_embeddins"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

数据集信息：
特征：
- 字段名：ID（id），数据类型：字符串（string）
- 字段名：最后修改时间（lastModified），数据类型：字符串（string）
- 字段名：标签（tags），数据类型：字符串序列
- 字段名：作者（author），数据类型：字符串（string）
- 字段名：描述（description），数据类型：字符串（string）
- 字段名：引用信息（citation），数据类型：字符串（string）
- 字段名：点赞数（likes），数据类型：64位整型（int64）
- 字段名：下载量（downloads），数据类型：64位整型（int64）
- 字段名：创建时间（created），数据类型：微秒级时间戳（timestamp[us]）
- 字段名：数据集卡片（card），数据类型：字符串（string）
- 字段名：数据集卡片长度（card_len），数据类型：64位整型（int64）
- 字段名：嵌入向量（embeddings），数据类型：float32型二维序列
数据拆分：
- 拆分名称：训练集（train），占用字节数：334799613.62829113，样本数量：64462
下载体积：128564352
数据集总体积：334799613.62829113
配置项：
- 配置名称：默认配置（default），数据文件：
- 对应拆分：训练集（train），路径：data/train-*

# 「长上下文嵌入数据集卡片」数据集卡片
[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集信息

• 特征列表:

  • id: 字符串类型
  • lastModified: 字符串类型
  • tags: 字符串序列
  • author: 字符串类型
  • description: 字符串类型
  • citation: 字符串类型
  • likes: 64位整数类型
  • downloads: 64位整数类型
  • created: 时间戳类型（微秒精度）
  • card: 字符串类型
  • card_len: 64位整数类型
  • embeddings: 32位浮点数序列的序列

• 数据分割:

  • train:
    • 字节数: 334799613.62829113
    • 样本数: 64462

• 数据集大小:

  • 下载大小: 128564352
  • 实际大小: 334799613.62829113

配置信息

• 配置名称: default
  • 数据文件:
    • split: train
    • 路径: data/train-*