jganzabalseenka/news_2024-05-02_24hs

该数据集包含多个特征，如资产ID（asset_id）、中文标题（title_ch）、媒体类型（media）、影响程度（impact）等。还包括时间戳信息（如start_time_utc和start_time_local）、实体信息（如entities_curated和entities）、关键词（keywords）等。数据集分为训练集（train），包含15298个样本，数据集的总大小为155401990字节，下载大小为84808383字节。

原始信息汇总

数据集概述

数据集特征

• asset_id: 数据类型为 int64
• title_ch: 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

数据集分割

• train: 包含 15298 个样本，占用 155401990 字节

数据集大小

• 下载大小: 84808383 字节
• 数据集大小: 155401990 字节

配置

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