pe-nlp/ov-kit-doc-files-filter-v2

--- dataset_info: features: - name: file_path dtype: string - name: content dtype: string - name: size dtype: int64 splits: - name: train num_bytes: 11023844.55351682 num_examples: 2878 download_size: 4051509 dataset_size: 11023844.55351682 configs: - config_name: default data_files: - split: train path: data/train-* ---数据集信息： 特征字段： - 名称：文件路径（file_path），数据类型：字符串 - 名称：内容（content），数据类型：字符串 - 名称：大小（size），数据类型：int64 数据划分： - 划分名称：训练集（train），占用字节数：11023844.55351682，样本数量：2878 下载大小：4051509 数据集总大小：11023844.55351682 配置项： - 配置名称：默认配置（default），数据文件： - 数据划分：训练集（train），文件路径：data/train-*

原始信息汇总

数据集概述

数据集特征

• file_path：文件路径，数据类型为字符串。
• content：内容，数据类型为字符串。
• size：大小，数据类型为整数（int64）。

数据集划分

• train：训练集，包含2878个样本，总大小为11023844.55351682字节。

数据集大小

• 下载大小：4051509字节。
• 数据集总大小：11023844.55351682字节。

配置

• config_name：default
• data_files：
  • split：train
  • path：data/train-*