dhmeltzer/ELI5_embedded

该数据集名为ELI5_embedded，包含多个字段，如问题ID（q_id）、标题（title）、自述文本（selftext）、文档（document）等。每个字段都有其特定的数据类型。数据集还包含一个名为answers的序列字段，其中包含答案ID（a_id）、文本（text）和评分（score）等子字段。此外，数据集还包含与标题、自述文本和答案相关的URL序列字段。数据集被分割为训练集，包含558,669个示例，总大小为2,375,028,302字节。

原始信息汇总

数据集概述

数据集名称

• 名称: ELI5_embedded

数据集特征

• q_id: 字符串类型
• title: 字符串类型
• selftext: 字符串类型
• document: 字符串类型
• subreddit: 字符串类型
• answers: 序列类型，包含以下子特征:
  • a_id: 字符串类型
  • text: 字符串类型
  • score: 整数类型 (int32)
• title_urls: 序列类型，包含以下子特征:
  • url: 字符串类型
• selftext_urls: 序列类型，包含以下子特征:
  • url: 字符串类型
• answers_urls: 序列类型，包含以下子特征:
  • url: 字符串类型
• split: 字符串类型
• title_body: 字符串类型
• embeddings: 序列类型，浮点数类型 (float32)

数据集分割

• 训练集:
  • 数据量: 2375028302 字节
  • 样本数量: 558669

数据集大小

• 下载大小: 2134837293 字节
• 数据集总大小: 2375028302 字节