iamnguyen/edu_child

---
dataset_info:
features:
- name: content
dtype: string
- name: metadata
struct:
- name: metadata
struct:
- name: answer
dtype: string
- name: id
dtype: string
- name: question
dtype: string
- name: school_id
dtype: string
- name: seq_num
dtype: int64
- name: source
dtype: string
- name: tokenized_question
dtype: string
- name: vector
sequence: float64
- name: vector
sequence: float64
splits:
- name: train
num_bytes: 14168658
num_examples: 678
download_size: 8946207
dataset_size: 14168658
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征列表：
1. 特征名称：content，数据类型：字符串
2. 特征名称：metadata（元数据），类型为结构体，其内部嵌套子结构体metadata（元数据），该子结构体包含以下字段：
- 字段名：answer，数据类型：字符串
- 字段名：id，数据类型：字符串
- 字段名：question，数据类型：字符串
- 字段名：school_id，数据类型：字符串
- 字段名：seq_num，数据类型：64位整型（int64）
- 字段名：source，数据类型：字符串
- 字段名：tokenized_question，数据类型：字符串
- 字段名：vector（向量），数据类型为64位浮点型（float64）序列
3. 特征名称：vector（向量），数据类型为64位浮点型（float64）序列
数据集划分：
- 划分名称：train（训练集），占用存储空间14168658字节，样本总数678
下载总大小：8946207字节，数据集总存储大小：14168658字节
配置项：
- 配置名称：default（默认配置），数据文件配置：
- 对应数据集划分：train（训练集），文件路径：data/train-*

原始信息汇总

数据集概述

数据集信息

特征

• content: 数据类型为字符串。
• metadata: 结构化数据，包含以下字段：
  • answer: 数据类型为字符串。
  • id: 数据类型为字符串。
  • question: 数据类型为字符串。
  • school_id: 数据类型为字符串。
  • seq_num: 数据类型为整数（int64）。
  • source: 数据类型为字符串。
  • tokenized_question: 数据类型为字符串。
  • vector: 数据类型为浮点数序列（float64）。
• vector: 数据类型为浮点数序列（float64）。

数据分割

• train: 包含678个样本，占用14168658字节。

数据集大小

• 下载大小: 8946207字节。
• 数据集大小: 14168658字节。

配置

• default: 包含训练数据文件，路径为data/train-*。

搜集汇总

背景与挑战

背景概述

该数据集是一个小型文本数据集，包含678行越南语教育规定文档，主要涉及大学培训的组织与管理、课程设置和学分制度。数据以Parquet格式存储，包含元数据和向量序列，适用于文本处理或机器学习应用。