m-newhauser/senator-tweets

该数据集包含日期、ID、用户名、文本、党派和标签等特征，以及浮点型嵌入向量。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。数据集总下载大小为232535302字节，总数据集大小为182150418字节。

原始信息汇总

数据集概述

配置信息

• 默认配置 (config_name: default)
  • 训练数据 (split: train)：路径为 data/train-*
  • 测试数据 (split: test)：路径为 data/test-*

数据集特征

• 日期 (name: date)：数据类型为 string
• ID (name: id)：数据类型为 int64
• 用户名 (name: username)：数据类型为 string
• 文本 (name: text)：数据类型为 string
• 党派 (name: party)：数据类型为 string
• 标签 (name: labels)：数据类型为 class_label，类别名称为 0: 0 和 1: 1
• 嵌入 (name: embeddings)：序列类型为 float32

数据集分割

• 训练集 (name: train)
  • 大小：145722682字节
  • 示例数：79754
• 测试集 (name: test)
  • 大小：36427736字节
  • 示例数：19939

数据集大小

• 下载大小：232535302字节
• 数据集总大小：182150418字节