jamesagilesoda/CulturaX-ko-19000000-19999999

该数据集包含四个主要特征：文本、时间戳、URL和来源。数据集被分割为训练集，包含100万个示例，总大小为5263389917字节。

The dataset includes four main features: text, timestamp, URL, and source. It is split into a training set containing 1,000,000 examples, with a total size of 5,263,389,917 bytes.

原始信息汇总

数据集概述

数据特征

• text: 文本数据，数据类型为字符串。
• timestamp: 时间戳，数据类型为字符串。
• url: URL链接，数据类型为字符串。
• source: 数据来源，数据类型为字符串。

数据分割

• train: 训练集，包含1,000,000个样本，总大小为5,263,389,917字节。

数据集大小

• 下载大小: 3,121,442,997字节
• 数据集总大小: 5,263,389,917字节

配置

• default: 默认配置，包含训练集数据文件路径为data/train-*。