sakusakumura/c4_ja_cleaned_sample-embgbm download history

sakusakumura/c4_ja_cleaned_sample-embgbm is a dataset on the Hugging Face Hub. In the last 30 days it was downloaded 11 times (2 in the last 7 days), and 580 times in total. It ranks #540,266 among datasets by monthly downloads.

Qwen2 7Bで埋め込み表現を作成、LightGBMで品質スコア付けLightGBMのトレーニングには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

Open sakusakumura/c4_ja_cleaned_sample-embgbm on Hugging Face

Sister project: Paper Pulse, the upvote history of every Hugging Face Daily Paper.