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-*。