AdapterOcean/physics_dataset_standardized_hierarchical_clusters

---
dataset_info:
features:
- name: message
dtype: string
- name: message_type
dtype: string
- name: message_id
dtype: int64
- name: conversation_id
dtype: int64
- name: cluster_level_0
dtype: float64
- name: cluster_level_1
dtype: float64
- name: cluster_level_2
dtype: float64
- name: cluster_level_3
dtype: float64
- name: cluster_level_4
dtype: float64
splits:
- name: train
num_bytes: 52205506
num_examples: 40000
download_size: 23022634
dataset_size: 52205506
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

原始信息汇总

数据集概述

数据集特征

• message：字符串类型
• message_type：字符串类型
• message_id：整数类型（int64）
• conversation_id：整数类型（int64）
• cluster_level_0：浮点数类型（float64）
• cluster_level_1：浮点数类型（float64）
• cluster_level_2：浮点数类型（float64）
• cluster_level_3：浮点数类型（float64）
• cluster_level_4：浮点数类型（float64）

数据集分割

• train：
  • 数据量：52205506字节
  • 示例数量：40000

数据集大小

• 下载大小：23022634字节
• 数据集大小：52205506字节

配置

• config_name: default
  • data_files:
    • split: train
      • path: data/train-*

搜集汇总

背景与挑战

背景概述

该数据集是一个物理领域的标准化分层聚类数据集，包含40000个训练样本，每个样本具有消息内容、类型、ID及五个层级的聚类标签，适用于文本分析和聚类任务。