jganzabalseenka/Tweet_2024-07-20_24hs

该数据集包含与资产相关的多种信息，如资产ID、中文标题、资产目的地、媒体类型、影响程度、时间戳、实体信息、关键词、文本内容等。数据集主要用于存储和处理与资产相关的信息，包括实体的识别和关键词的预测。数据集包含一个训练集，大小为32521709字节，包含20667个样本。

The dataset includes multiple features such as asset ID, Chinese title, asset destination, media type, impact level, timestamps, etc. Each feature has a specific data type, such as integer, string, timestamp, etc. The dataset is divided into a training set, containing 20667 samples, with a total size of 32521709 bytes. The dataset configuration is named default, and the data file path is data/train-*.

原始信息汇总

数据集概述

数据集信息

特征

• asset_id: 数据类型为 int64
• title_ch: 数据类型为 string
• Asset Destination: 数据类型为 string
• media: 数据类型为 string
• impact: 数据类型为 int64
• start_time_utc: 数据类型为 timestamp[ns]
• start_time_local: 数据类型为 timestamp[ns]
• entities_curated: 数据类型为 sequence 的 string
• entities: 数据类型为 sequence 的 string
• predicted_at_entities: 数据类型为 timestamp[ns]
• entities_raw_transformers: 数据类型为 list，包含以下子特征：
  • entities: 数据类型为 list，包含以下子特征：
    • end: 数据类型为 int64
    • entity_group: 数据类型为 string
    • score: 数据类型为 float64
    • start: 数据类型为 int64
    • word: 数据类型为 string
  • text: 数据类型为 string
• entities_transformers: 数据类型为 sequence 的 string
• title: 数据类型为 string
• text: 数据类型为 string
• keywords: 数据类型为 sequence 的 string
• predicted_at_keywords: 数据类型为 timestamp[ns]
• truncated_text: 数据类型为 string
• title_and_text: 数据类型为 string
• prediction_delay_predictions: 数据类型为 float64
• prediction_delay: 数据类型为 float64

数据分割

• train: 包含 20667 个样本，占用 32521709 字节

数据集大小

• 下载大小: 16682324 字节
• 数据集大小: 32521709 字节

配置

• default: 包含训练数据文件，路径为 data/train-*