nattasunit/brain-hackathon-2023-embed-data

---
dataset_info:
features:
- name: body
dtype: string
- name: id
dtype: string
- name: score
dtype: int64
- name: title
dtype: string
- name: title_body
dtype: string
- name: title_body_embed
sequence: float32
- name: __index_level_0__
dtype: int64
splits:
- name: train
num_bytes: 1622595099
num_examples: 621502
download_size: 1887530885
dataset_size: 1622595099
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征：
- 字段名：body，数据类型：字符串（string）
- 字段名：id，数据类型：字符串（string）
- 字段名：score，数据类型：64位整数（int64）
- 字段名：title，数据类型：字符串（string）
- 字段名：title_body，数据类型：字符串（string）
- 字段名：title_body_embed，数据类型：float32序列（sequence: float32）
- 字段名：__index_level_0__，数据类型：64位整数（int64）
数据集划分：
- 划分名称：train（训练集），占用字节数：1622595099，样本数量：621502
下载大小：1887530885 字节
数据集总大小：1622595099 字节
配置项：
- 配置名称：default（默认配置），数据文件：
- 划分：train（训练集），文件路径：data/train-*

原始信息汇总

数据集概述

数据集特征

• body: 字符串类型
• id: 字符串类型
• score: 64位整数类型
• title: 字符串类型
• title_body: 字符串类型
• title_body_embed: 32位浮点数序列类型
• index_level_0: 64位整数类型

数据集分割

• train: 包含621502个样本，占用1622595099字节

数据集大小

• 下载大小: 1887530885字节
• 数据集大小: 1622595099字节

配置

• default:
  • 数据文件:
    • split: train
    • path: data/train-*