qbwmwsap/unprocessed_stackexchange_data

---
dataset_info:
features:
- name: text
dtype: string
- name: meta
struct:
- name: language
dtype: string
- name: url
dtype: string
- name: timestamp
dtype: timestamp[s]
- name: source
dtype: string
- name: question_score
dtype: string
splits:
- name: train
num_bytes: 74107092867
num_examples: 29825086
download_size: 36677096756
dataset_size: 74107092867
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征：
- 名称：text，数据类型：字符串
- 名称：meta，为结构体类型，包含以下子字段：
- 名称：language，数据类型：字符串
- 名称：url，数据类型：字符串
- 名称：timestamp，数据类型：秒级时间戳（timestamp[s]）
- 名称：source，数据类型：字符串
- 名称：question_score，数据类型：字符串
数据划分：
- 划分名称：train（训练集），占用字节数：74107092867，样本总数：29825086
下载大小：36677096756 字节
数据集总大小：74107092867 字节
配置项：
- 配置名称：default（默认配置），数据文件：
- 对应划分：train（训练集），文件路径：data/train-*

原始信息汇总

数据集概述

数据集特征

• text：字符串类型
• meta：结构化数据，包含以下字段：
  • language：字符串类型
  • url：字符串类型
  • timestamp：时间戳（秒）
  • source：字符串类型
  • question_score：字符串类型

数据集划分

• train：
  • 数据量：741,070,928,670 字节
  • 示例数：29,825,086

数据集大小

• 下载大小：36,677,096,756 字节
• 数据集总大小：741,070,928,670 字节

配置

• default：
  • 数据文件路径：data/train-*