metadata
dataset_info:
features:
- name: text
dtype: string
- name: label
dtype: int64
splits:
- name: train
num_bytes: 3627433
num_examples: 10000
download_size: 2307451
dataset_size: 3627433
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
テキストの品質スコア予測を行うモデルをトレーニングするためのデータセット
neody/wikipedia-2023-11-ja-cleanedから、1. 文章の長さが上位0.001%以内のもの 2. features（スコア）の値が0.68以上のものからnegativeとして5000件、この条件に当てはまらないものの中から5000件をpositiveとしてサンプリング