567-labs/wikipedia-embedding-jina-embeddings-v2-small-en-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: 6656406423
num_examples: 652156
download_size: 4415285154
dataset_size: 6656406423
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征：
- 名称：id，数据类型：字符串
- 名称：url，数据类型：字符串
- 名称：标题（title），数据类型：字符串
- 名称：文本（text），数据类型：字符串
- 名称：嵌入向量（embedding），数据类型：双精度浮点数（float64）序列
数据集划分：
- 名称：训练集（train），字节大小：6656406423，样本数量：652156
下载大小：4415285154
数据集总大小：6656406423
配置：
- 配置名称：默认配置（default），数据文件：
- 划分：训练集（train），路径：data/train-*

原始信息汇总

数据集概述

数据特征

• 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

数据分割

• train:
  • 字节数: 6656406423
  • 样本数: 652156

数据大小

• 下载大小: 4415285154 字节
• 数据集大小: 6656406423 字节

配置

• default:
  • 数据文件路径: data/train-*