tazarov/dst123

---
dataset_info:
features:
- name: id
dtype: string
- name: embedding
sequence: float32
- name: document
dtype: string
- name: metadata._id
dtype: string
- name: metadata.title
dtype: string
splits:
- name: train
num_bytes: 132062224
num_examples: 20000
download_size: 111333452
dataset_size: 132062224
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "dst123"

[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：
- 名称：id，数据类型：字符串
- 名称：embedding（嵌入向量），数据类型：32位浮点型序列
- 名称：document，数据类型：字符串
- 名称：metadata._id（元数据._id），数据类型：字符串
- 名称：metadata.title（元数据.标题），数据类型：字符串
数据集拆分：
- 名称：train（训练集），占用字节数：132062224，样本数量：20000
下载大小：111333452 字节
数据集总大小：132062224 字节
数据集配置：
- 配置名称：default（默认配置），数据文件：
- 拆分：train，路径：data/train-*
---
# "dst123"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

• id: 数据类型为字符串。
• embedding: 数据类型为浮点数序列。
• document: 数据类型为字符串。
• metadata._id: 数据类型为字符串。
• metadata.title: 数据类型为字符串。

数据分割

• train: 包含20000个样本，总大小为132062224字节。

数据大小

• 下载大小: 111333452字节。
• 数据集大小: 132062224字节。

配置

• default: 包含训练数据文件，路径为data/train-*。