mnoukhov/summarize_from_feedback_tldr_3_filtered_oai_preprocessing_1706381144_labelled

---
dataset_info:
features:
- name: id
dtype: string
- name: subreddit
dtype: string
- name: title
dtype: string
- name: post
dtype: string
- name: summary
dtype: string
- name: query_token
sequence: int64
- name: query
dtype: string
- name: reference_response
dtype: string
- name: reference_response_token
sequence: int64
- name: reference_response_token_len
dtype: int64
- name: query_reference_response
dtype: string
- name: query_reference_response_token
sequence: int64
- name: query_reference_response_token_response_label
sequence: int64
- name: query_reference_response_token_len
dtype: int64
- name: has_comparison
dtype: bool
splits:
- name: train
num_bytes: 173083817.14555955
num_examples: 9504
- name: validation
num_bytes: 117438077
num_examples: 6447
- name: test
num_bytes: 119411786
num_examples: 6553
download_size: 97482028
dataset_size: 409933680.14555955
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---

数据集信息：
特征字段：
- 标识符（id）：数据类型为字符串
- Reddit子版块（subreddit）：数据类型为字符串
- 标题（title）：数据类型为字符串
- 帖子内容（post）：数据类型为字符串
- 摘要（summary）：数据类型为字符串
- 查询Token序列：数据类型为64位整数序列
- 查询语句（query）：数据类型为字符串
- 参考响应（reference_response）：数据类型为字符串
- 参考响应Token序列：数据类型为64位整数序列
- 参考响应Token长度：数据类型为64位整数
- 查询-参考响应拼接文本（query_reference_response）：数据类型为字符串
- 查询-参考响应Token序列：数据类型为64位整数序列
- 查询-参考响应Token响应标签序列：数据类型为64位整数序列
- 查询-参考响应Token长度：数据类型为64位整数
- 是否包含对比项（has_comparison）：数据类型为布尔值
拆分集：
- 训练集（train）：数据字节数为173083817.14555955，样本量为9504
- 验证集（validation）：数据字节数为117438077，样本量为6447
- 测试集（test）：数据字节数为119411786，样本量为6553
下载总大小：97482028字节
数据集总大小：409933680.14555955字节
配置项：
- 默认配置（default）：数据文件路径为：
- 训练集：data/train-*
- 验证集：data/validation-*
- 测试集：data/test-*

原始信息汇总

数据集概述

数据集特征

• id：字符串类型
• subreddit：字符串类型
• title：字符串类型
• post：字符串类型
• summary：字符串类型
• query_token：整数序列类型
• query：字符串类型
• reference_response：字符串类型
• reference_response_token：整数序列类型
• reference_response_token_len：整数类型
• query_reference_response：字符串类型
• query_reference_response_token：整数序列类型
• query_reference_response_token_response_label：整数序列类型
• query_reference_response_token_len：整数类型
• has_comparison：布尔类型

数据集分割

• 训练集：
  • 示例数量：9504
  • 数据大小：173083817.14555955字节
• 验证集：
  • 示例数量：6447
  • 数据大小：117438077字节
• 测试集：
  • 示例数量：6553
  • 数据大小：119411786字节

数据集大小

• 下载大小：97482028字节
• 总数据集大小：409933680.14555955字节

数据文件配置

• 默认配置：
  • 训练集路径：data/train-*
  • 验证集路径：data/validation-*
  • 测试集路径：data/test-*