CAMEO
收藏资源简介：
该数据集是一个越南语（vi）数据集，规模在10万到100万之间，包含产品和评论两个部分。数据集以Parquet文件格式提供，分为`products.parquet`和`reviews.parquet`两个文件。产品数据可能包含图像，通过`relative_path`字段可以定位到具体的图像文件。数据集适用于自然语言处理和计算机视觉任务，如产品分类、评论分析等。许可证为CC-BY-SA-4.0。
This is a Vietnamese (vi) dataset with a size ranging from 100,000 to 1,000,000, which includes two components: product information and reviews. The dataset is provided in Parquet file format, split into two files: `products.parquet` and `reviews.parquet`. The product data may contain images, and the specific image files can be located through the `relative_path` field. This dataset is suitable for natural language processing (NLP) and computer vision tasks, such as product classification, review analysis, and other related tasks. The license for this dataset is CC-BY-SA-4.0.
CAMEO 数据集概述
基本描述
CAMEO 是一个越南语数据集，其规模在10万到100万条数据之间。
许可信息
本数据集采用 知识共享署名-相同方式共享 4.0 国际许可协议。
语言信息
- 主要语言：越南语
数据规模
- 规模类别：100K < n < 1M
数据配置与文件
数据集包含两个配置，分别对应不同的数据文件：
-
默认配置
- 配置名称：
default - 数据文件：
- 文件路径：
products.parquet - 数据分割：
all
- 文件路径：
- 配置名称：
-
评论配置
- 配置名称：
reviews - 数据文件：
- 文件路径：
reviews.parquet - 数据分割：
all
- 文件路径：
- 配置名称：
数据内容与结构
数据集包含两种主要类型的元数据：
- 产品元数据：存储在
products.parquet文件中。 - 评论元数据：存储在
reviews.parquet文件中。
图像数据说明
- 图像文件需通过
git-lfs克隆或分片下载方式单独获取。 - 图像本地存储根目录建议为
./hf_images。 - 元数据中包含
relative_path字段，用于与本地图像文件路径进行拼接。
数据加载方式
可通过 datasets 库的 load_dataset 函数加载数据集：
- 加载完整数据集：
load_dataset("allietran/CAMEO") - 加载产品数据：
load_dataset("allietran/CAMEO", data_files="products.parquet") - 加载评论数据：
load_dataset("allietran/CAMEO", data_files="reviews.parquet")
