HydraLM/clustered_2

---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
dataset_info:
features:
- name: text
dtype: string
- name: conversation_id
dtype: int64
- name: dataset_id
dtype: string
- name: unique_conversation_id
dtype: string
- name: embedding
sequence: float32
- name: __index_level_0__
dtype: int64
- name: cluster
sequence: int64
splits:
- name: train
num_bytes: 13588132382
num_examples: 2297193
download_size: 13051782294
dataset_size: 13588132382
---
# Dataset Card for "clustered_2"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

---
配置项：
- 配置名称：default
数据文件：
- 拆分：train
路径：data/train-*
数据集信息：
特征：
- 字段：text，数据类型：字符串（string）
- 字段：conversation_id，数据类型：64位整数（int64）
- 字段：dataset_id，数据类型：字符串（string）
- 字段：unique_conversation_id，数据类型：字符串（string）
- 字段：嵌入（embedding），数据类型：32位浮点型（float32）的序列（sequence）
- 字段：__index_level_0__，数据类型：64位整数（int64）
- 字段：簇（cluster），数据类型：64位整数（int64）的序列（sequence）
数据拆分：
- 拆分名称：train
字节数：13588132382
样本数量：2297193
下载大小：13051782294
数据集大小：13588132382
---
# "clustered_2"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

数据集配置

• 配置名称: default
  • 数据文件:
    • 分割: train
    • 路径: data/train-*

数据集信息

• 特征:
  • 名称: text
    • 数据类型: string
  • 名称: conversation_id
    • 数据类型: int64
  • 名称: dataset_id
    • 数据类型: string
  • 名称: unique_conversation_id
    • 数据类型: string
  • 名称: embedding
    • 序列类型: float32
  • 名称: index_level_0
    • 数据类型: int64
  • 名称: cluster
    • 序列类型: int64

分割信息

• 名称: train
  • 字节数: 13588132382
  • 样本数: 2297193

数据集大小

• 下载大小: 13051782294
• 数据集大小: 13588132382