ravialdy/javanese-translated

---
dataset_info:
features:
- name: message_id
dtype: string
- name: parent_id
dtype: string
- name: user_id
dtype: string
- name: created_date
dtype: string
- name: text
dtype: string
- name: role
dtype: string
- name: lang
dtype: string
- name: review_count
dtype: int64
- name: review_result
dtype: bool
- name: deleted
dtype: bool
- name: rank
dtype: float64
- name: synthetic
dtype: bool
- name: model_name
dtype: 'null'
- name: detoxify
struct:
- name: identity_attack
dtype: float64
- name: insult
dtype: float64
- name: obscene
dtype: float64
- name: severe_toxicity
dtype: float64
- name: sexual_explicit
dtype: float64
- name: threat
dtype: float64
- name: toxicity
dtype: float64
- name: message_tree_id
dtype: string
- name: tree_state
dtype: string
- name: emojis
struct:
- name: count
sequence: int64
- name: name
sequence: string
- name: labels
struct:
- name: count
sequence: int64
- name: name
sequence: string
- name: value
sequence: float64
splits:
- name: train
num_bytes: 108091191
num_examples: 100561
download_size: 36662895
dataset_size: 108091191
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征：
- 名称：消息ID（message_id），数据类型：字符串
- 名称：父消息ID（parent_id），数据类型：字符串
- 名称：用户ID（user_id），数据类型：字符串
- 名称：创建日期（created_date），数据类型：字符串
- 名称：文本内容（text），数据类型：字符串
- 名称：角色（role），数据类型：字符串
- 名称：语言（lang），数据类型：字符串
- 名称：审核次数（review_count），数据类型：64位整型
- 名称：审核结果（review_result），数据类型：布尔型
- 名称：是否已删除（deleted），数据类型：布尔型
- 名称：排序分值（rank），数据类型：双精度浮点型
- 名称：是否为合成数据（synthetic），数据类型：布尔型
- 名称：模型名称（model_name），数据类型：空值
- 名称：毒性检测（detoxify），结构体：
- 名称：身份攻击得分（identity_attack），数据类型：双精度浮点型
- 名称：侮辱得分（insult），数据类型：双精度浮点型
- 名称：淫秽内容得分（obscene），数据类型：双精度浮点型
- 名称：严重毒性得分（severe_toxicity），数据类型：双精度浮点型
- 名称：露骨性内容得分（sexual_explicit），数据类型：双精度浮点型
- 名称：威胁得分（threat），数据类型：双精度浮点型
- 名称：毒性得分（toxicity），数据类型：双精度浮点型
- 名称：消息树ID（message_tree_id），数据类型：字符串
- 名称：消息树状态（tree_state），数据类型：字符串
- 名称：表情符号（emojis），结构体：
- 名称：表情计数（count），数据类型：整型序列
- 名称：表情名称（name），数据类型：字符串序列
- 名称：标签（labels），结构体：
- 名称：标签计数（count），数据类型：整型序列
- 名称：标签名称（name），数据类型：字符串序列
- 名称：标签值（value），数据类型：浮点型序列
数据集拆分：
- 拆分名称：训练集（train），字节大小：108091191，样本数量：100561
下载总大小：36662895，数据集总大小：108091191
配置项：
- 配置名称：默认配置（default），数据文件：
- 划分：训练集，路径：data/train-*

原始信息汇总

数据集概述

数据集信息

特征

• message_id: 字符串类型
• parent_id: 字符串类型
• user_id: 字符串类型
• created_date: 字符串类型
• text: 字符串类型
• role: 字符串类型
• lang: 字符串类型
• review_count: 64位整数类型
• review_result: 布尔类型
• deleted: 布尔类型
• rank: 64位浮点数类型
• synthetic: 布尔类型
• model_name: null类型
• detoxify: 结构体类型
  • identity_attack: 64位浮点数类型
  • insult: 64位浮点数类型
  • obscene: 64位浮点数类型
  • severe_toxicity: 64位浮点数类型
  • sexual_explicit: 64位浮点数类型
  • threat: 64位浮点数类型
  • toxicity: 64位浮点数类型
• message_tree_id: 字符串类型
• tree_state: 字符串类型
• emojis: 结构体类型
  • count: 序列化的64位整数类型
  • name: 序列化的字符串类型
• labels: 结构体类型
  • count: 序列化的64位整数类型
  • name: 序列化的字符串类型
  • value: 序列化的64位浮点数类型

数据分割

• train:
  • 字节数: 108091191
  • 样本数: 100561

数据集大小

• 下载大小: 36662895 字节
• 数据集大小: 108091191 字节

配置

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