marceloslo/clustered_wiki_1000
收藏Hugging Face2024-07-04 更新2024-07-06 收录
下载链接：
https://hf-mirror.com/datasets/marceloslo/clustered_wiki_1000
下载链接
链接失效反馈官方服务：
资源简介：
---
dataset_info:
features:
- name: id
dtype: string
- name: url
dtype: string
- name: title
dtype: string
- name: text
dtype: string
- name: cluster
dtype: int64
splits:
- name: train
num_bytes: 20251324897
num_examples: 6407814
download_size: 11652623123
dataset_size: 20251324897
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
数据集信息：
### 数据特征
该数据集包含以下特征字段，各字段的名称与数据类型如下：
- `id`：字符串类型，作为每条数据的唯一标识
- `url`：字符串类型，对应资源的访问链接
- `title`：字符串类型，对应资源的标题
- `text`：字符串类型，为数据集的核心文本内容
- `cluster`：64位整数（int64）类型，用于标识每条数据所属的聚类簇编号
### 数据集拆分
训练集（train）的相关参数如下：
- 占用字节数：20251324897
- 样本总数量：6407814
### 尺寸参数
- 下载大小：11652623123
- 数据集总大小：20251324897
### 配置信息
默认配置下，数据文件对应训练集（train），数据文件的存储路径为`data/train-*`
提供机构：
marceloslo
