AdapterOcean/med_alpaca_standardized_cluster_50

---
dataset_info:
features:
- name: text
dtype: string
- name: conversation_id
dtype: int64
- name: embedding
sequence: float64
- name: cluster
dtype: int64
splits:
- name: train
num_bytes: 55401290
num_examples: 5976
download_size: 14923007
dataset_size: 55401290
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "med_alpaca_standardized_cluster_50"

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

数据集信息：
特征列：
- 名称：text，数据类型：字符串类型
- 名称：对话ID（conversation_id），数据类型：64位整数类型
- 名称：嵌入向量（embedding），数据类型：64位浮点数序列
- 名称：聚类簇（cluster），数据类型：64位整数类型
数据划分：
- 名称：训练集（train），字节数：55401290，样本量：5976
下载大小：14923007
数据集总大小：55401290
配置项：
- 配置名称：默认配置（default），数据文件：
- 划分方式：训练集（train），路径：data/train-*
---
# 「med_alpaca_standardized_cluster_50」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

数据集信息

特征

• text: 数据类型为字符串。
• conversation_id: 数据类型为64位整数。
• embedding: 数据类型为64位浮点数序列。
• cluster: 数据类型为64位整数。

数据分割

• train: 包含5976个样本，占用55401290字节。

数据大小

• 下载大小: 14923007字节
• 数据集大小: 55401290字节

配置

• default: 包含训练数据文件，路径为data/train-*。