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)--- 配置项： - 配置名称：default 数据文件： - 拆分：train 路径：data/train-* 数据集信息： 特征： - 字段：text，数据类型：字符串（string） - 字段：conversation_id，数据类型：64位整数（int64） - 字段：dataset_id，数据类型：字符串（string） - 字段：unique_conversation_id，数据类型：字符串（string） - 字段：嵌入（embedding），数据类型：32位浮点型（float32）的序列（sequence） - 字段：__index_level_0__，数据类型：64位整数（int64） - 字段：簇（cluster），数据类型：64位整数（int64）的序列（sequence） 数据拆分： - 拆分名称：train 字节数：13588132382 样本数量：2297193 下载大小：13051782294 数据集大小：13588132382 --- # "clustered_2"数据集卡片 [需补充更多信息](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