Saibo-creator/bookcorpus_compact_1024_shard7_of_10_meta

--- dataset_info: features: - name: text dtype: string - name: concept_with_offset dtype: string - name: cid_arrangement sequence: int32 - name: schema_lengths sequence: int64 - name: topic_entity_mask sequence: int64 - name: text_lengths sequence: int64 splits: - name: train num_bytes: 7989189823 num_examples: 61605 download_size: 1776852460 dataset_size: 7989189823 --- # Dataset Card for "bookcorpus_compact_1024_shard7_of_10_meta" [More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)## 数据集信息 特征： - 名称：text，数据类型：字符串 - 名称：concept_with_offset，数据类型：字符串 - 名称：cid_arrangement，数据类型：32位整数序列 - 名称：schema_lengths，数据类型：64位整数序列 - 名称：topic_entity_mask，数据类型：64位整数序列 - 名称：text_lengths，数据类型：64位整数序列 数据集划分： - 名称：train（训练集），字节占用量：7989189823，样本数：61605 下载大小：1776852460 数据集总大小：7989189823 --- # "bookcorpus_compact_1024_shard7_of_10_meta" 数据集卡片 需补充更多信息（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

数据集信息

特征

• text: 数据类型为字符串。
• concept_with_offset: 数据类型为字符串。
• cid_arrangement: 数据类型为整数序列。
• schema_lengths: 数据类型为长整数序列。
• topic_entity_mask: 数据类型为长整数序列。
• text_lengths: 数据类型为长整数序列。

数据分割

• train: 包含61605个样本，总字节数为7989189823。

数据集大小

• 下载大小: 1776852460字节。
• 数据集大小: 7989189823字节。