brianadit24/senator_tweets_embedding_e5

该数据集包含多个特征，如日期、ID、用户名、文本、党派、标签和嵌入向量。数据集分为训练集和测试集，训练集包含79754个样本，测试集包含19939个样本。数据集的下载大小为487746061字节，总大小为437364498字节。

dataset_info:
features:
- name: 日期（date）
dtype: 字符串（string）
- name: id
dtype: 64位整数（int64）
- name: 用户名（username）
dtype: 字符串（string）
- name: 文本（text）
dtype: 字符串（string）
- name: 党派（party）
dtype: 字符串（string）
- name: 标签（labels）
dtype:
class_label（分类标签）:
names:
'0': '0'
'1': '1'
- name: 嵌入向量（embeddings）
sequence: float32（32位浮点数）
splits:
- name: 训练集（train）
num_bytes: 349892922
num_examples: 79754
- name: 测试集（test）
num_bytes: 87471576
num_examples: 19939
download_size: 487746061
dataset_size: 437364498
configs:
- config_name: 默认配置（default）
data_files:
- split: 训练集（train）
path: data/train-*
- split: 测试集（test）
path: data/test-*

原始信息汇总

数据集概述

数据集特征

• date: 数据类型为字符串（string）
• id: 数据类型为整数（int64）
• username: 数据类型为字符串（string）
• text: 数据类型为字符串（string）
• party: 数据类型为字符串（string）
• labels: 数据类型为分类标签，具体标签为0和1
• embeddings: 数据类型为浮点数序列（float32）

数据集分割

• 训练集（train）: 包含79754个样本，总大小为349892922字节
• 测试集（test）: 包含19939个样本，总大小为87471576字节

数据集大小

• 下载大小: 487746061字节
• 数据集总大小: 437364498字节

数据文件配置

• 默认配置（default）:
  • 训练集路径: data/train-*
  • 测试集路径: data/test-*