jjz5463/topics_common_crawl_large_1.0

---
dataset_info:
features:
- name: Common crawl text
dtype: string
- name: Topics
dtype: string
splits:
- name: train
num_bytes: 3909065
num_examples: 10000
download_size: 2311018
dataset_size: 3909065
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
library_name: datadreamer
size_categories:
- 10K<n<100K
tags:
- datadreamer
- datadreamer-0.25.0
- synthetic
- gpt-4
---
# Dataset Card

[Add more information here](https://huggingface.co/datasets/templates/dataset-card-example)

---
This dataset was produced with [DataDreamer 🤖💤](https://datadreamer.dev). The synthetic dataset card can be found [here](datadreamer.json).

### 数据集信息
特征字段：
- 字段名：通用爬虫文本（Common crawl text），数据类型：字符串
- 字段名：主题（Topics），数据类型：字符串

数据集划分：
- 划分名称：训练集，字节大小：3909065，样本数量：10000

下载总大小：2311018，数据集存储总大小：3909065

配置项：
- 配置名称：默认（default），数据文件：
- 对应划分：训练集，文件路径：data/train-*

依赖库：datadreamer

规模区间：
- 10K < n < 100K

标签：
- datadreamer
- datadreamer-0.25.0
- 合成（synthetic）
- GPT-4

---
# 数据集卡片
[此处可补充更多数据集信息](https://huggingface.co/datasets/templates/dataset-card-example)

---
本数据集由[DataDreamer 🤖💤](https://datadreamer.dev)生成。该合成数据集的专属卡片可于[此处](datadreamer.json)查阅。

原始信息汇总

数据集概述

数据集特征

• Common crawl text：字符串类型
• Topics：字符串类型

数据分割

• 训练集（train）：
  • 示例数量：10000
  • 数据大小：3909065字节

数据集大小

• 下载大小：2311018字节
• 总数据集大小：3909065字节

配置信息

• 默认配置（default）：
  • 训练数据路径：data/train-*

数据集分类

• 大小范围：10K<n<100K

标签

• datadreamer
• datadreamer-0.25.0
• synthetic
• gpt-4