yurinoviello/miracl-corpus-en

--- dataset_info: features: - name: docid dtype: string - name: title dtype: string - name: text dtype: string splits: - name: train num_bytes: 13936141152 num_examples: 32893221 download_size: 8002214716 dataset_size: 13936141152 configs: - config_name: default data_files: - split: train path: data/train-* ---数据集信息： 特征列： - 列名：文档ID（docid），数据类型：字符串（string） - 列名：标题（title），数据类型：字符串（string） - 列名：文本（text），数据类型：字符串（string） 数据拆分： - 拆分名称：训练集（train），字节数：13936141152，样本数量：32893221 下载大小：8002214716 数据集总大小：13936141152 配置项： - 配置名称：默认配置（default），数据文件： - 拆分：训练集（train），文件路径：data/train-*

原始信息汇总

数据集概述

数据集特征

• docid: 字符串类型
• title: 字符串类型
• text: 字符串类型

数据集划分

• train:
  • 字节数: 13936141152
  • 样本数: 32893221

数据集大小

• 下载大小: 8002214716 字节
• 数据集大小: 13936141152 字节

配置

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