316usman/thematic5e-pw-embed-part6

该数据集包含文本、文档链接、来源链接和国家信息四个特征。主要数据集为训练集，大小约269.98MB，包含约405,601个样本。数据集的下载大小约为106.37MB。训练数据存储在data/train-*路径下。

原始信息汇总

数据集概述

数据集特征

• text：数据类型为字符串。
• document_url：数据类型为字符串。
• source_url：数据类型为字符串。
• country：数据类型为字符串。

数据集分割

• train：
  • 字节数：269983591
  • 示例数：405601

数据集大小

• 下载大小：106369606字节
• 数据集大小：269983591字节

配置信息

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