AdapterOcean/chemistry_dataset_standardized_cluster_4

---
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: 28959443
num_examples: 3030
download_size: 7966037
dataset_size: 28959443
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "chemistry_dataset_standardized_cluster_4"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

---
数据集信息：
特征字段：
- 字段名：文本（text）
数据类型：字符串（string）
- 字段名：对话ID（conversation_id）
数据类型：64位整数（int64）
- 字段名：嵌入（embedding）
序列类型：64位浮点数（float64）
- 字段名：聚类标签（cluster）
数据类型：64位整数（int64）
数据划分：
- 划分名称：训练集（train）
字节数：28959443
样本数量：3030
下载大小：7966037字节
数据集总大小：28959443字节
配置项：
- 配置名称：默认配置（default）
数据文件：
- 对应数据划分：训练集
文件路径：data/train-*
---
# 「标准化聚类4化学数据集（chemistry_dataset_standardized_cluster_4）」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（string）
• conversation_id: 数据类型为整数（int64）
• embedding: 序列类型为浮点数（float64）
• cluster: 数据类型为整数（int64）

数据分割

• train: 包含3030个样本，占用28959443字节

数据大小

• 下载大小: 7966037字节
• 数据集大小: 28959443字节

配置

• default: 包含训练数据文件，路径为data/train-*