567-labs/wikipedia-embedding-bge-small-en-v1.5-five-percent

---
dataset_info:
features:
- name: id
dtype: string
- name: url
dtype: string
- name: title
dtype: string
- name: text
dtype: string
- name: embedding
sequence: float64
splits:
- name: train
num_bytes: 12521679721
num_examples: 3407766
download_size: 12048257131
dataset_size: 12521679721
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征列表：
- 字段名：id，数据类型：字符串（string）
- 字段名：url，数据类型：字符串（string）
- 字段名：title（标题），数据类型：字符串（string）
- 字段名：text（文本），数据类型：字符串（string）
- 字段名：嵌入（embedding），数据类型：64位浮点数（float64）序列
数据拆分：
- 拆分名称：训练集（train），占用字节数：12521679721，样本总量：3407766
下载大小：12048257131
数据集总存储大小：12521679721
配置项：
- 配置名称：默认配置（default），数据文件：
- 对应拆分：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

• id: 字符串类型
• url: 字符串类型
• title: 字符串类型
• text: 字符串类型
• embedding: 浮点数序列类型

数据集分割

• train:
  • 字节数: 12521679721
  • 样本数: 3407766

数据集大小

• 下载大小: 12048257131
• 数据集大小: 12521679721

配置

• default:
  • 数据文件:
    • 分割: train
    • 路径: data/train-*