andersonbcdefg/captions-triples-filtered

---
dataset_info:
features:
- name: query
dtype: string
- name: pos
dtype: string
- name: neg
dtype: string
- name: pos_score
dtype: float64
- name: neg_score
dtype: float64
- name: margin
dtype: float64
splits:
- name: train
num_bytes: 22469657.637269907
num_examples: 112506
download_size: 13578239
dataset_size: 22469657.637269907
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征字段：
- 字段名称：查询文本（query），数据类型：字符串（string）
- 字段名称：正样本（pos），数据类型：字符串（string）
- 字段名称：负样本（neg），数据类型：字符串（string）
- 字段名称：正样本得分（pos_score），数据类型：64位浮点数（float64）
- 字段名称：负样本得分（neg_score），数据类型：64位浮点数（float64）
- 字段名称：间隔阈值（margin），数据类型：64位浮点数（float64）
数据集划分：
- 划分名称：训练集（train），数据字节数：22469657.637269907，样本数量：112506
下载总大小：13578239
数据集存储总大小：22469657.637269907
配置信息：
- 配置名称：默认配置（default），数据文件：
- 对应划分：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

• query: 数据类型为字符串。
• pos: 数据类型为字符串。
• neg: 数据类型为字符串。
• pos_score: 数据类型为浮点数（float64）。
• neg_score: 数据类型为浮点数（float64）。
• margin: 数据类型为浮点数（float64）。

数据集分割

• train: 包含112506个样本，占用22469657.637269907字节。

数据集大小

• 下载大小: 13578239字节。
• 数据集大小: 22469657.637269907字节。

配置

• default: 包含训练数据文件，路径为data/train-*。