HydraLM/clustered_2

---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
dataset_info:
features:
- name: text
dtype: string
- name: conversation_id
dtype: int64
- name: dataset_id
dtype: string
- name: unique_conversation_id
dtype: string
- name: embedding
sequence: float32
- name: __index_level_0__
dtype: int64
- name: cluster
sequence: int64
splits:
- name: train
num_bytes: 13588132382
num_examples: 2297193
download_size: 13051782294
dataset_size: 13588132382
---
# Dataset Card for "clustered_2"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集配置

• 配置名称: default
  • 数据文件:
    • 分割: train
    • 路径: data/train-*

数据集信息

• 特征:
  • 名称: text
    • 数据类型: string
  • 名称: conversation_id
    • 数据类型: int64
  • 名称: dataset_id
    • 数据类型: string
  • 名称: unique_conversation_id
    • 数据类型: string
  • 名称: embedding
    • 序列类型: float32
  • 名称: index_level_0
    • 数据类型: int64
  • 名称: cluster
    • 序列类型: int64

分割信息

• 名称: train
  • 字节数: 13588132382
  • 样本数: 2297193

数据集大小

• 下载大小: 13051782294
• 数据集大小: 13588132382