jganzabalseenka/news_2024-07-19_24hs

该数据集主要用于资产管理和媒体内容分析，包含资产ID、中文标题、资产目的地、媒体类型、影响程度、时间戳等特征。数据集分为训练集，包含17562个样本，总大小为202335999字节。数据集的配置名为default，数据文件路径为data/train-*。

This dataset is primarily used for asset management and media content analysis, featuring attributes such as asset ID, Chinese title, asset destination, media type, impact level, timestamps, etc. The dataset is split into a training set with 17562 samples, totaling 202335999 bytes. The configuration name of the dataset is 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，内容为 string
• entities: 数据类型为 sequence，内容为 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，内容为 string
• title: 数据类型为 string
• text: 数据类型为 string
• keywords: 数据类型为 sequence，内容为 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 17562 个样本，占用 202335999 字节

数据集大小

• 下载大小: 106755181 字节
• 数据集大小: 202335999 字节

配置

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