andersonbcdefg/SPECTER-subset-dedup_with_margins

---
dataset_info:
features:
- name: query
dtype: string
- name: pos
dtype: string
- name: neg
dtype: string
- name: source
dtype: string
- name: qp_sim
dtype: float32
- name: qn_sim
dtype: float32
- name: pn_sim
dtype: float32
- name: margin
dtype: float64
splits:
- name: train
num_bytes: 68089422.18482159
num_examples: 74832
download_size: 186166861
dataset_size: 68089422.18482159
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：正例样本（pos）
数据类型：字符串（string）
- 字段名：负例样本（neg）
数据类型：字符串（string）
- 字段名：数据来源（source）
数据类型：字符串（string）
- 字段名：查询-正例相似度（qp_sim）
数据类型：单精度浮点数（float32）
- 字段名：查询-负例相似度（qn_sim）
数据类型：单精度浮点数（float32）
- 字段名：正例-负例相似度（pn_sim）
数据类型：单精度浮点数（float32）
- 字段名：间隔阈值（margin）
数据类型：双精度浮点数（float64）
数据集划分：
- 划分名称：训练集（train）
字节数：68089422.18482159
样本数量：74832
下载大小：186166861
数据集占用大小：68089422.18482159
配置项：
- 配置名称：默认配置（default）
数据文件：
- 数据集划分：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）
• neg: 数据类型为字符串（string）
• source: 数据类型为字符串（string）
• qp_sim: 数据类型为浮点数（float32）
• qn_sim: 数据类型为浮点数（float32）
• pn_sim: 数据类型为浮点数（float32）
• margin: 数据类型为浮点数（float64）

数据分割

• train: 包含74832个样本，占用68089422.18482159字节

数据集大小

• 下载大小: 186166861字节
• 实际大小: 68089422.18482159字节

配置信息

• default: 包含训练数据文件，路径为data/train-*