HydraLM/SkunkData-002-2

--- dataset_info: features: - name: text dtype: string - name: conversation_id dtype: int64 - name: dataset_id dtype: string - name: unique_conversation_id dtype: string - name: embedding sequence: float64 - name: cluster dtype: int32 splits: - name: train num_bytes: 14849700907 num_examples: 1472917 download_size: 11160683261 dataset_size: 14849700907 configs: - config_name: default data_files: - split: train path: data/train-* --- # Dataset Card for "SkunkData-002-2" [More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据特征

• text: 数据类型为字符串。
• conversation_id: 数据类型为64位整数。
• dataset_id: 数据类型为字符串。
• unique_conversation_id: 数据类型为字符串。
• embedding: 数据类型为64位浮点数序列。
• cluster: 数据类型为32位整数。

数据分割

• train: 包含1472917个样本，总字节数为14849700907。

数据集大小

• 下载大小: 11160683261字节。
• 数据集大小: 14849700907字节。

配置

• default: 包含训练数据文件，路径为data/train-*。