jamesagilesoda/CulturaX-ko-10000000-10999999

该数据集包含1,000,000个训练示例，每个示例包含文本、时间戳、URL和来源四个特征。数据集总大小为5,257,008,998字节，下载大小为3,116,866,047字节。数据文件路径为data/train-*。

This dataset contains 1,000,000 training examples, each with four features: text, timestamp, URL, and source. The total size of the dataset is 5,257,008,998 bytes, with a download size of 3,116,866,047 bytes. The data files are located at data/train-*.

原始信息汇总

数据集概述

数据特征

• text: 数据类型为字符串。
• timestamp: 数据类型为字符串。
• url: 数据类型为字符串。
• source: 数据类型为字符串。

数据分割

• train: 包含1,000,000个样本，总字节数为5,257,008,998。

数据集大小

• 下载大小: 3,116,866,047字节。
• 数据集大小: 5,257,008,998字节。

配置

• default: 包含训练数据文件，路径为data/train-*。