rbaradaran/targoman_all_40_raw

该数据集包含四个主要特征：类别（category）、标题（title）、内容（content）和问答（qa）。内容特征进一步细分为类型（type）、文本（text）和引用（ref）。数据集分为一个训练集（train），包含4456826个样本，总大小为16809888536字节。数据集的下载大小为6715256022字节。

原始信息汇总

数据集概述

数据集信息

特征

• category: 字符串类型
• title: 字符串类型
• content: 列表类型
  • type: 字符串类型
  • text: 字符串类型
  • ref: 字符串类型
• qa: 字符串类型

数据分割

• train:
  • 字节数: 16809888536
  • 样本数: 4456826

数据集大小

• 下载大小: 6715256022 字节
• 数据集大小: 16809888536 字节

配置

• config_name: default
  • data_files:
    • split: train
    • path: data/train-*