Dialogue-Model-Research-Group/v2ex

该数据集包含两个主要配置：topic和replies。topic配置记录了帖子的详细信息，包括帖子的ID、标题、内容、URL、回复数等，以及发帖人和节点的详细信息。replies配置则专注于回复信息，包括回复的ID、内容、创建时间等，以及回复者的详细信息。数据集提供了详细的特征描述和数据类型，以及每个配置的训练数据大小和下载大小。许可证：CC（知识共享许可协议，Creative Commons） 数据集信息： - 配置名称：topic 特征字段： - 字段名：id，数据类型为int64 - 字段名：title，数据类型为字符串（string） - 字段名：content，数据类型为字符串 - 字段名：content_rendered，数据类型为字符串 - 字段名：syntax，数据类型为int64 - 字段名：url，数据类型为字符串 - 字段名：replies，数据类型为int64 - 字段名：last_reply_by，数据类型为字符串 - 字段名：created，数据类型为int64 - 字段名：last_modified，数据类型为int64 - 字段名：last_touched，数据类型为int64 - 字段名：member，为结构体类型，包含以下字段： - 字段名：id，数据类型为int64 - 字段名：username，数据类型为字符串 - 字段名：bio，数据类型为字符串 - 字段名：website，数据类型为字符串 - 字段名：github，数据类型为字符串 - 字段名：url，数据类型为字符串 - 字段名：avatar，数据类型为字符串 - 字段名：created，数据类型为int64 - 字段名：node，为结构体类型，包含以下字段： - 字段名：id，数据类型为int64 - 字段名：url，数据类型为字符串 - 字段名：name，数据类型为字符串 - 字段名：title，数据类型为字符串 - 字段名：header，数据类型为字符串 - 字段名：footer，数据类型为字符串 - 字段名：avatar，数据类型为字符串 - 字段名：topics，数据类型为int64 - 字段名：created，数据类型为int64 - 字段名：last_modified，数据类型为int64 - 字段名：supplements，为序列类型，每个序列元素为结构体，包含以下字段： - 字段名：id，数据类型为int64 - 字段名：content，数据类型为字符串 - 字段名：content_rendered，数据类型为字符串 - 字段名：syntax，数据类型为int64 - 字段名：created，数据类型为int64 数据划分： - 划分名称：train，占用字节数：522790208，样本数量：262120 下载大小：153558181，数据集总大小：522790208 - 配置名称：replies 特征字段： - 字段名：id，数据类型为int64 - 字段名：content，数据类型为字符串 - 字段名：content_rendered，数据类型为字符串 - 字段名：created，数据类型为int64 - 字段名：member，为结构体类型，包含以下字段： - 字段名：id，数据类型为int64 - 字段名：username，数据类型为字符串 - 字段名：bio，数据类型为字符串 - 字段名：website，数据类型为字符串 - 字段名：github，数据类型为字符串 - 字段名：url，数据类型为字符串 - 字段名：avatar，数据类型为字符串 - 字段名：created，数据类型为int64 - 字段名：topic_id，数据类型为int64 数据划分： - 划分名称：train，占用字节数：1554954801，样本数量：3553953 下载大小：462827899，数据集总大小：1554954801

原始信息汇总

数据集概述

数据集配置

• 配置名称: topic
• 配置名称: replies

数据集特征

配置名称: topic

• id: int64
• title: string
• content: string
• content_rendered: string
• syntax: int64
• url: string
• replies: int64
• last_reply_by: string
• created: int64
• last_modified: int64
• last_touched: int64
• member: struct
  • id: int64
  • username: string
  • bio: string
  • website: string
  • github: string
  • url: string
  • avatar: string
  • created: int64
• node: struct
  • id: int64
  • url: string
  • name: string
  • title: string
  • header: string
  • footer: string
  • avatar: string
  • topics: int64
  • created: int64
  • last_modified: int64
• supplements: sequence
  • id: int64
  • content: string
  • content_rendered: string
  • syntax: int64
  • created: int64

配置名称: replies

• id: int64
• content: string
• content_rendered: string
• created: int64
• member: struct
  • id: int64
  • username: string
  • bio: string
  • website: string
  • github: string
  • url: string
  • avatar: string
  • created: int64
• topic_id: int64

数据集大小

配置名称: topic

• 下载大小: 153558181
• 数据集大小: 522790208
• 训练集:
  • 字节数: 522790208
  • 示例数: 262120

配置名称: replies

• 下载大小: 462827899
• 数据集大小: 1554954801
• 训练集:
  • 字节数: 1554954801
  • 示例数: 3553953