File size: 702 Bytes
d1b46a1 f7cb21b |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 |
---
dataset_info:
features:
- name: text
dtype: string
- name: quality
dtype: float64
splits:
- name: train
num_bytes: 1794827
num_examples: 3805
download_size: 1129498
dataset_size: 1794827
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
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 |