HFXM/processed_bigdata

该数据集包含了文本、标签、指令、价格和推文五个维度的信息。它被划分为训练集、测试集和验证集，分别用于模型的训练、测试和验证。数据集的具体大小和示例数量在README中有详细说明。

The dataset consists of five dimensions: text, label, instruction, prices, and tweets. It is divided into training, test, and validation sets for model training, testing, and validation respectively. The specific size and number of examples of the dataset are detailed in the README.

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。
• label: 数据类型为整数（int64）。
• instruction: 数据类型为字符串。
• prices: 数据类型为字符串。
• tweets: 数据类型为字符串。

数据集分割

• train: 包含4897个样本，总字节数为19314771。
• test: 包含1472个样本，总字节数为2556576。
• valid: 包含798个样本，总字节数为1375092。

数据集大小

• 下载大小: 10523942字节。
• 数据集总大小: 23246439字节。

配置

• config_name: default
  • data_files:
    • train: 路径为data/train-*。
    • test: 路径为data/test-*。
    • valid: 路径为data/valid-*。