ravialdy/oasst1en-javanese

---
dataset_info:
features:
- name: message_id
dtype: string
- name: parent_id
dtype: string
- name: user_id
dtype: string
- name: created_date
dtype: string
- name: text
dtype: string
- name: role
dtype: string
- name: lang
dtype: string
- name: review_count
dtype: int64
- name: review_result
dtype: bool
- name: deleted
dtype: bool
- name: rank
dtype: float64
- name: synthetic
dtype: bool
- name: model_name
dtype: 'null'
- name: detoxify
struct:
- name: identity_attack
dtype: float64
- name: insult
dtype: float64
- name: obscene
dtype: float64
- name: severe_toxicity
dtype: float64
- name: sexual_explicit
dtype: float64
- name: threat
dtype: float64
- name: toxicity
dtype: float64
- name: message_tree_id
dtype: string
- name: tree_state
dtype: string
- name: emojis
struct:
- name: count
sequence: int64
- name: name
sequence: string
- name: labels
struct:
- name: count
sequence: int64
- name: name
sequence: string
- name: value
sequence: float64
splits:
- name: train
num_bytes: 41985988
num_examples: 39283
download_size: 13999138
dataset_size: 41985988
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征字段：
- 名称：message_id（消息ID），数据类型：字符串（string）
- 名称：parent_id（父消息ID），数据类型：字符串（string）
- 名称：user_id（用户ID），数据类型：字符串（string）
- 名称：created_date（创建日期），数据类型：字符串（string）
- 名称：text（文本内容），数据类型：字符串（string）
- 名称：role（角色），数据类型：字符串（string）
- 名称：lang（语言），数据类型：字符串（string）
- 名称：review_count（审核次数），数据类型：64位整型（int64）
- 名称：review_result（审核结果），数据类型：布尔值（bool）
- 名称：deleted（是否已删除），数据类型：布尔值（bool）
- 名称：rank（排序分值），数据类型：64位浮点型（float64）
- 名称：synthetic（是否为合成数据），数据类型：布尔值（bool）
- 名称：model_name（模型名称），数据类型：空值（null）
- 名称：detoxify（毒性检测结构体（struct））：
- 名称：identity_attack（身份攻击得分），数据类型：64位浮点型（float64）
- 名称：insult（侮辱性得分），数据类型：64位浮点型（float64）
- 名称：obscene（淫秽内容得分），数据类型：64位浮点型（float64）
- 名称：severe_toxicity（严重毒性得分），数据类型：64位浮点型（float64）
- 名称：sexual_explicit（露骨性内容得分），数据类型：64位浮点型（float64）
- 名称：threat（威胁性得分），数据类型：64位浮点型（float64）
- 名称：toxicity（总体毒性得分），数据类型：64位浮点型（float64）
- 名称：message_tree_id（消息树ID），数据类型：字符串（string）
- 名称：tree_state（消息树状态），数据类型：字符串（string）
- 名称：emojis（表情符号结构体（struct））：
- 名称：count（数量），数据类型：序列（sequence），元素为64位整型（int64）
- 名称：name（名称），数据类型：序列（sequence），元素为字符串（string）
- 名称：labels（标签结构体（struct））：
- 名称：count（数量），数据类型：序列（sequence），元素为64位整型（int64）
- 名称：name（名称），数据类型：序列（sequence），元素为字符串（string）
- 名称：value（分值），数据类型：序列（sequence），元素为64位浮点型（float64）
数据集划分：
- 划分名称：训练集（train），字节数：41985988，样本数量：39283
下载大小：13999138，数据集总大小：41985988
配置项：
- 配置名称：default（默认配置），数据文件：
- 训练集拆分：数据路径为data/train-*

原始信息汇总

数据集概述

数据集特征

• message_id: 字符串类型
• parent_id: 字符串类型
• user_id: 字符串类型
• created_date: 字符串类型
• text: 字符串类型
• role: 字符串类型
• lang: 字符串类型
• review_count: 64位整数类型
• review_result: 布尔类型
• deleted: 布尔类型
• rank: 64位浮点数类型
• synthetic: 布尔类型
• model_name: null类型
• detoxify: 结构体类型，包含以下字段：
  • identity_attack: 64位浮点数类型
  • insult: 64位浮点数类型
  • obscene: 64位浮点数类型
  • severe_toxicity: 64位浮点数类型
  • sexual_explicit: 64位浮点数类型
  • threat: 64位浮点数类型
  • toxicity: 64位浮点数类型
• message_tree_id: 字符串类型
• tree_state: 字符串类型
• emojis: 结构体类型，包含以下字段：
  • count: 序列化的64位整数类型
  • name: 序列化的字符串类型
• labels: 结构体类型，包含以下字段：
  • count: 序列化的64位整数类型
  • name: 序列化的字符串类型
  • value: 序列化的64位浮点数类型

数据集分割

• train:
  • 字节数: 41985988
  • 样本数: 39283

数据集大小

• 下载大小: 13999138 字节
• 数据集大小: 41985988 字节

配置

• default:
  • 数据文件路径: data/train-*