andersonbcdefg/paq_pairs_dedup_8m

---
dataset_info:
features:
- name: query
dtype: string
- name: pos
dtype: string
splits:
- name: train
num_bytes: 5648611511.273787
num_examples: 8278461
download_size: 3823968181
dataset_size: 5648611511.273787
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征字段：
- 字段名：查询（query），数据类型：字符串（string）
- 字段名：正例（pos），数据类型：字符串（string）
数据集划分：
- 划分名称：训练集（train），字节数：5648611511.273787，样本数量：8278461
下载大小：3823968181
数据集总大小：5648611511.273787
配置项：
- 配置名称：默认（default），数据文件：
- 划分集：训练集（train），文件路径：data/train-*

原始信息汇总

数据集概述

特征信息

• query: 数据类型为字符串（string）
• pos: 数据类型为字符串（string）

数据分割

• train: 包含8278461个样本，占用5648611511.273787字节

数据集大小

• 下载大小: 3823968181字节
• 数据集大小: 5648611511.273787字节

配置信息

• default:
  • 数据文件路径: data/train-*