AdapterOcean/data-standardized_cluster_10

---
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: 86389557
num_examples: 8365
download_size: 24765008
dataset_size: 86389557
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "data-standardized_cluster_10"

[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：
- 特征名称：text（文本），数据类型：string（字符串）
- 特征名称：conversation_id（对话ID），数据类型：int64
- 特征名称：embedding（嵌入向量），序列类型：float64（64位浮点数）
- 特征名称：cluster（聚类簇），数据类型：int64
数据划分：
- 划分名称：train（训练集），字节数：86389557，样本数量：8365
下载大小：24765008
数据集总大小：86389557
配置项：
- 配置名称：default（默认配置），数据文件：
- 对应划分：train（训练集），文件路径：data/train-*

# "data-standardized_cluster_10" 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: 数据类型为整数64位。
• embedding: 序列类型为浮点64位。
• cluster: 数据类型为整数64位。

数据分割

• train: 包含8365个样本，总字节数为86389557。

数据大小

• 下载大小: 24765008字节。
• 数据集大小: 86389557字节。

配置

• default: 包含训练数据文件，路径为data/train-*。