Tristan/cc_olm_no_bigscience_filters

--- dataset_info: features: - name: text dtype: string - name: url dtype: string - name: crawl_timestamp dtype: float64 splits: - name: train num_bytes: 166774086.86538956 num_examples: 30389 download_size: 53612339 dataset_size: 166774086.86538956 --- # Dataset Card for "cc_olm_no_bigscience_filters" [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: - 名称: 文本（text），数据类型: 字符串（string） - 名称: 链接（url），数据类型: 字符串（string） - 名称: 爬取时间戳（crawl_timestamp），数据类型: 64位浮点型（float64） 数据划分: - 名称: 训练集（train），字节数: 166774086.86538956，样本数: 30389 下载大小: 53612339 数据集总大小: 166774086.86538956 --- # 「cc_olm_no_bigscience_filters」数据集卡片 【需补充更多信息】（详见：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

数据集名称

• 名称: cc_olm_no_bigscience_filters

数据集特征

• 特征1: text
  • 数据类型: string
• 特征2: url
  • 数据类型: string
• 特征3: crawl_timestamp
  • 数据类型: float64

数据集分割

• 分割名称: train
  • 示例数量: 30389
  • 数据大小: 166774086.86538956 字节

数据集大小

• 下载大小: 53612339 字节
• 总数据大小: 166774086.86538956 字节