yurinoviello/miracl_corpus_en

---
dataset_info:
features:
- name: docid
dtype: string
- name: title
dtype: string
- name: text
dtype: string
splits:
- name: train
num_bytes: 26308521
num_examples: 33689
download_size: 16473705
dataset_size: 26308521
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征项：
- 名称：文档ID（docid），数据类型：字符串
- 名称：标题（title），数据类型：字符串
- 名称：文本（text），数据类型：字符串
数据集划分：
- 划分名称：训练集（train），占用字节数：26308521，样本数量：33689
下载大小：16473705
数据集总大小：26308521
配置项：
- 配置名称：默认（default），数据文件：
- 训练划分：数据路径为 data/train-*

原始信息汇总

数据集概述

数据特征

• docid: 数据类型为字符串。
• title: 数据类型为字符串。
• text: 数据类型为字符串。

数据分割

• train: 包含33689个样本，占用26308521字节。

数据大小

• 下载大小: 16473705字节。
• 数据集大小: 26308521字节。

配置

• default:
  • 数据文件路径: data/train-*