librarian-bots/dataset_cards_with_metadata_with_embeddings

---
dataset_info:
features:
- name: datasetId
dtype: string
- name: author
dtype: string
- name: last_modified
dtype: timestamp[us, tz=UTC]
- name: downloads
dtype: int64
- name: likes
dtype: int64
- name: tags
sequence: string
- name: task_categories
sequence: string
- name: createdAt
dtype: timestamp[us, tz=UTC]
- name: card
dtype: string
- name: embedding
sequence: float32
splits:
- name: train
num_bytes: 393900125.3346592
num_examples: 58169
download_size: 248934569
dataset_size: 393900125.3346592
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征字段：
- 字段名：数据集ID (datasetId)，数据类型：字符串
- 字段名：作者 (author)，数据类型：字符串
- 字段名：最后修改时间 (last_modified)，数据类型：带UTC时区的微秒级时间戳 (timestamp[us, tz=UTC])
- 字段名：下载量 (downloads)，数据类型：64位整数 (int64)
- 字段名：点赞数 (likes)，数据类型：64位整数
- 字段名：标签 (tags)，类型：字符串序列
- 字段名：任务类别 (task_categories)，类型：字符串序列
- 字段名：创建时间 (createdAt)，数据类型：带UTC时区的微秒级时间戳 (timestamp[us, tz=UTC])
- 字段名：数据集卡片 (card)，数据类型：字符串
- 字段名：嵌入向量 (embedding)，类型：单精度浮点数 (float32) 序列
数据划分：
- 划分名称：训练集 (train)，字节大小：393900125.3346592，样本总数：58169
下载大小：248934569
数据集总大小：393900125.3346592
数据集配置：
- 配置名称：默认配置 (default)，数据文件配置：
- 对应数据划分：训练集，文件路径模式：data/train-*

原始信息汇总

数据集概述

数据集信息

特征

• datasetId: 字符串类型
• author: 字符串类型
• last_modified: 时间戳类型，精度为微秒，时区为UTC
• downloads: 64位整数类型
• likes: 64位整数类型
• tags: 字符串序列
• task_categories: 字符串序列
• createdAt: 时间戳类型，精度为微秒，时区为UTC
• card: 字符串类型
• embedding: 32位浮点数序列

数据分割

• train: 包含58169个样本，总大小为393900125.3346592字节

数据集大小

• 下载大小: 248934569字节
• 数据集大小: 393900125.3346592字节

配置

• default: 包含训练数据文件，路径为data/train-*