Kralley/oasst1-da

---
language:
- da
dataset_info:
features:
- name: message_id
dtype: string
- name: parent_id
dtype: string
- name: user_id
dtype: string
- name: created_date
dtype: string
- name: text
dtype: string
- name: role
dtype: string
- name: lang
dtype: string
- name: review_count
dtype: int32
- name: review_result
dtype: bool
- name: deleted
dtype: bool
- name: rank
dtype: int32
- name: synthetic
dtype: bool
- name: model_name
dtype: string
- name: detoxify
struct:
- name: toxicity
dtype: float64
- name: severe_toxicity
dtype: float64
- name: obscene
dtype: float64
- name: identity_attack
dtype: float64
- name: insult
dtype: float64
- name: threat
dtype: float64
- name: sexual_explicit
dtype: float64
- name: message_tree_id
dtype: string
- name: tree_state
dtype: string
- name: emojis
sequence:
- name: name
dtype: string
- name: count
dtype: int32
- name: labels
sequence:
- name: name
dtype: string
- name: value
dtype: float64
- name: count
dtype: int32
splits:
- name: train
num_bytes: 44411078
num_examples: 37840
- name: validation
num_bytes: 2305811
num_examples: 1954
download_size: 18400209
dataset_size: 46716889
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
---

语言：
- 丹麦语
数据集信息：
特征：
- 名称：消息ID（message_id），数据类型：字符串
- 名称：父消息ID（parent_id），数据类型：字符串
- 名称：用户ID（user_id），数据类型：字符串
- 名称：创建日期（created_date），数据类型：字符串
- 名称：文本（text），数据类型：字符串
- 名称：角色（role），数据类型：字符串
- 名称：语言（lang），数据类型：字符串
- 名称：审核次数（review_count），数据类型：32位整数（int32）
- 名称：审核结果（review_result），数据类型：布尔值（bool）
- 名称：已删除标记（deleted），数据类型：布尔值（bool）
- 名称：排序值（rank），数据类型：32位整数（int32）
- 名称：合成数据标记（synthetic），数据类型：布尔值（bool）
- 名称：模型名称（model_name），数据类型：字符串
- 名称：毒性检测（detoxify），结构体：
- 名称：毒性得分（toxicity），数据类型：64位浮点数（float64）
- 名称：严重毒性得分（severe_toxicity），数据类型：64位浮点数（float64）
- 名称：淫秽内容得分（obscene），数据类型：64位浮点数（float64）
- 名称：身份攻击得分（identity_attack），数据类型：64位浮点数（float64）
- 名称：侮辱性得分（insult），数据类型：64位浮点数（float64）
- 名称：威胁性得分（threat），数据类型：64位浮点数（float64）
- 名称：露骨性内容得分（sexual_explicit），数据类型：64位浮点数（float64）
- 名称：消息树ID（message_tree_id），数据类型：字符串
- 名称：消息树状态（tree_state），数据类型：字符串
- 名称：表情符号序列（emojis），序列类型，元素包含：
- 名称：表情名称（name），数据类型：字符串
- 名称：出现次数（count），数据类型：32位整数（int32）
- 名称：标签序列（labels），序列类型，元素包含：
- 名称：标签名称（name），数据类型：字符串
- 名称：标签值（value），数据类型：64位浮点数（float64）
- 名称：出现次数（count），数据类型：32位整数（int32）
拆分集：
- 名称：训练集（train），字节大小：44411078，示例数量：37840
- 名称：验证集（validation），字节大小：2305811，示例数量：1954
下载大小：18400209
数据集总大小：46716889
配置项：
- 配置名称：默认配置（default）
数据文件：
- 训练集拆分：data/train-*
- 验证集拆分：data/validation-*

原始信息汇总

数据集概述

数据特征

• message_id: 字符串类型
• parent_id: 字符串类型
• user_id: 字符串类型
• created_date: 字符串类型
• text: 字符串类型
• role: 字符串类型
• lang: 字符串类型
• review_count: 32位整数类型
• review_result: 布尔类型
• deleted: 布尔类型
• rank: 32位整数类型
• synthetic: 布尔类型
• model_name: 字符串类型
• detoxify: 结构类型
  • toxicity: 64位浮点数类型
  • severe_toxicity: 64位浮点数类型
  • obscene: 64位浮点数类型
  • identity_attack: 64位浮点数类型
  • insult: 64位浮点数类型
  • threat: 64位浮点数类型
  • sexual_explicit: 64位浮点数类型
• message_tree_id: 字符串类型
• tree_state: 字符串类型
• emojis: 序列类型
  • name: 字符串类型
  • count: 32位整数类型
• labels: 序列类型
  • name: 字符串类型
  • value: 64位浮点数类型
  • count: 32位整数类型

数据分割

• train:
  • 字节数: 44411078
  • 样本数: 37840
• validation:
  • 字节数: 2305811
  • 样本数: 1954

数据集大小

• 下载大小: 18400209 字节
• 数据集大小: 46716889 字节

配置

• config_name: default
  • data_files:
    • train: data/train-*
    • validation: data/validation-*