hyperdemocracy/usc-vecs-v1-s1024-o256-BAAI-bge-small-en-v1.5

---
configs:
- config_name: default
data_files:
- path: data/usc-113-vecs-v1-s1024-o256-BAAI-bge-small-en-v1.5.parquet
split: '113'
- path: data/usc-114-vecs-v1-s1024-o256-BAAI-bge-small-en-v1.5.parquet
split: '114'
- path: data/usc-115-vecs-v1-s1024-o256-BAAI-bge-small-en-v1.5.parquet
split: '115'
- path: data/usc-116-vecs-v1-s1024-o256-BAAI-bge-small-en-v1.5.parquet
split: '116'
- path: data/usc-117-vecs-v1-s1024-o256-BAAI-bge-small-en-v1.5.parquet
split: '117'
- path: data/usc-118-vecs-v1-s1024-o256-BAAI-bge-small-en-v1.5.parquet
split: '118'
dataset_info:
features:
- dtype: string
name: chunk_id
- dtype: string
name: text_id
- dtype: string
name: legis_id
- dtype: string
name: text
- list:
dtype: float32
name: vec
- name: metadata
struct:
- dtype: string
name: chunk_id
- dtype: int32
name: chunk_index
- dtype: string
name: congress_num
- dtype: string
name: legis_class
- dtype: string
name: legis_id
- dtype: int32
name: legis_num
- dtype: string
name: legis_type
- dtype: string
name: legis_version
- dtype: int32
name: start_index
- dtype: string
name: text_date
- dtype: string
name: text_id
---

配置项：
- 配置名称：default（默认）
数据文件：
- 路径：data/usc-113-vecs-v1-s1024-o256-BAAI-bge-small-en-v1.5.parquet，拆分集：'113'
- 路径：data/usc-114-vecs-v1-s1024-o256-BAAI-bge-small-en-v1.5.parquet，拆分集：'114'
- 路径：data/usc-115-vecs-v1-s1024-o256-BAAI-bge-small-en-v1.5.parquet，拆分集：'115'
- 路径：data/usc-116-vecs-v1-s1024-o256-BAAI-bge-small-en-v1.5.parquet，拆分集：'116'
- 路径：data/usc-117-vecs-v1-s1024-o256-BAAI-bge-small-en-v1.5.parquet，拆分集：'117'
- 路径：data/usc-118-vecs-v1-s1024-o256-BAAI-bge-small-en-v1.5.parquet，拆分集：'118'
数据集信息：
特征：
- 数据类型：字符串（string），名称：chunk_id（分块ID）
- 数据类型：字符串（string），名称：text_id（文本ID）
- 数据类型：字符串（string），名称：legis_id（立法文件ID）
- 数据类型：字符串（string），名称：text（文本内容）
- 列表类型：单精度浮点数（float32），名称：vec（向量）
- 名称：metadata（元数据），结构体：
- 数据类型：字符串（string），名称：chunk_id（分块ID）
- 数据类型：32位整数（int32），名称：chunk_index（分块索引）
- 数据类型：字符串（string），名称：congress_num（国会届数）
- 数据类型：字符串（string），名称：legis_class（立法文件类别）
- 数据类型：字符串（string），名称：legis_id（立法文件ID）
- 数据类型：32位整数（int32），名称：legis_num（立法文件编号）
- 数据类型：字符串（string），名称：legis_type（立法文件类型）
- 数据类型：字符串（string），名称：legis_version（立法文件版本）
- 数据类型：32位整数（int32），名称：start_index（起始索引）
- 数据类型：字符串（string），名称：text_date（文本日期）
- 数据类型：字符串（string），名称：text_id（文本ID）

原始信息汇总

数据集概述

数据文件配置

• 默认配置
  • 文件路径: data/usc-113-vecs-v1-s1024-o256-BAAI-bge-small-en-v1.5.parquet
    • 分割: 113
  • 文件路径: data/usc-114-vecs-v1-s1024-o256-BAAI-bge-small-en-v1.5.parquet
    • 分割: 114
  • 文件路径: data/usc-115-vecs-v1-s1024-o256-BAAI-bge-small-en-v1.5.parquet
    • 分割: 115
  • 文件路径: data/usc-116-vecs-v1-s1024-o256-BAAI-bge-small-en-v1.5.parquet
    • 分割: 116
  • 文件路径: data/usc-117-vecs-v1-s1024-o256-BAAI-bge-small-en-v1.5.parquet
    • 分割: 117
  • 文件路径: data/usc-118-vecs-v1-s1024-o256-BAAI-bge-small-en-v1.5.parquet
    • 分割: 118

数据集特征

• 数据类型: string
  • 名称: chunk_id
  • 名称: text_id
  • 名称: legis_id
  • 名称: text
• 数据类型: list of float32
  • 名称: vec
• 数据类型: struct
  • 名称: metadata
    • 数据类型: string
      • 名称: chunk_id
    • 数据类型: int32
      • 名称: chunk_index
    • 数据类型: string
      • 名称: congress_num
    • 数据类型: string
      • 名称: legis_class
    • 数据类型: string
      • 名称: legis_id
    • 数据类型: int32
      • 名称: legis_num
    • 数据类型: string
      • 名称: legis_type
    • 数据类型: string
      • 名称: legis_version
    • 数据类型: int32
      • 名称: start_index
    • 数据类型: string
      • 名称: text_date
    • 数据类型: string
      • 名称: text_id