The Information Engineering Lab 发布 processed_segmented_msmarco_v2.1_doc_dataset_small 数据集, 应用在 自然语言处理、文档理解 领域

The Information Engineering Lab 本次发布的数据集 processed_segmented_msmarco_v2.1_doc_dataset_small, 该数据集包含三个特征：id、content和url，均为字符串类型。数据集被分割为训练集，包含69500个样本，总大小为132504957字节。数据集的下载大小为48830967字节。默认配置下的数据文件路径为data/train-*。

查看processed_segmented_msmarco_v2.1_doc_dataset_small

Dataset card 内容： 

Files and versions 内容： 

关于 The Information Engineering Lab , The Information Engineering Lab是一个专注于信息工程领域的研究机构，致力于信息技术、系统工程及相关领域的创新研究与发展。

关于 HuggingFace , Hugging Face是一个机器学习社区协作平台，专注于模型、数据集和应用程序的创建、发现和协作。该平台支持多种数据类型，包括文本、图像、视频、音频和3D数据，并提供开源工具和付费计算及企业解决方案。