yurinoviello/miracl-corpus-en

---
dataset_info:
features:
- name: docid
dtype: string
- name: title
dtype: string
- name: text
dtype: string
splits:
- name: train
num_bytes: 13936141152
num_examples: 32893221
download_size: 8002214716
dataset_size: 13936141152
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征列：
- 列名：文档ID（docid），数据类型：字符串（string）
- 列名：标题（title），数据类型：字符串（string）
- 列名：文本（text），数据类型：字符串（string）
数据拆分：
- 拆分名称：训练集（train），字节数：13936141152，样本数量：32893221
下载大小：8002214716
数据集总大小：13936141152
配置项：
- 配置名称：默认配置（default），数据文件：
- 拆分：训练集（train），文件路径：data/train-*

原始信息汇总

数据集概述

数据集特征

• docid: 字符串类型
• title: 字符串类型
• text: 字符串类型

数据集划分

• train:
  • 字节数: 13936141152
  • 样本数: 32893221

数据集大小

• 下载大小: 8002214716 字节
• 数据集大小: 13936141152 字节

配置

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