DRXD1000/Mini-C4

---
dataset_info:
features:
- name: text
dtype: string
- name: timestamp
dtype: string
- name: url
dtype: string
splits:
- name: train
num_bytes: 820676151.2541025
num_examples: 361703
- name: test
num_bytes: 91188003.74589755
num_examples: 40190
download_size: 563300036
dataset_size: 911864155.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

dataset_info:
特征:
- 名称：文本
数据类型：字符串
- 名称：时间戳
数据类型：字符串
- 名称：统一资源定位符（URL）
数据类型：字符串
拆分:
- 名称：训练集
字节数：820676151.2541025
样本数：361703
- 名称：测试集
字节数：91188003.74589755
样本数：40190
下载大小：563300036
数据集大小：911864155.0
配置:
- 配置名称：默认
数据文件:
- 拆分：训练集
路径：data/train-*
- 拆分：测试集
路径：data/test-*

原始信息汇总

数据集概述

数据集特征

• 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。

数据集分割

• train:
  • 字节数: 820676151.2541025
  • 样本数: 361703
• test:
  • 字节数: 91188003.74589755
  • 样本数: 40190

数据集大小

• 下载大小: 563300036 字节
• 数据集大小: 911864155.0 字节

配置

• config_name: default
  • data_files:
    • train: data/train-*
    • test: data/test-*