Farjfar/SGS-politics

该数据集包含多个字段，主要涉及清理后的文本内容（body_cleaned）、标识符（id）、来源子论坛（subreddit）、年份（year）以及多个注释字段（annotation1, annotation2, gold_annotation, bio_annotation）。此外，还包括标识符序列（ids）和分词后的文本内容（tokenized_body_cleaned）。数据集分为训练集、测试集和验证集，分别包含1206、403和397个样本。

原始信息汇总

数据集概述

数据集特征

• body_cleaned：字符串类型
• id：字符串类型
• subreddit：字符串类型
• year：整数类型
• annotation1：字符串类型
• annotation2：字符串类型
• gold_annotation：字符串类型
• bio_annotation：字符串序列类型
• ids：整数序列类型
• tokenized_body_cleaned：字符串序列类型

数据集分割

• 训练集：
  • 字节数：3100839
  • 示例数：1206
• 测试集：
  • 字节数：864255
  • 示例数：403
• 验证集：
  • 字节数：906745
  • 示例数：397

数据集大小

• 下载大小：1905667字节
• 数据集总大小：4871839字节

配置信息

• 配置名称：default
• 数据文件路径：
  • 训练集：data/train-*
  • 测试集：data/test-*
  • 验证集：data/validation-*