ben-epstein/amazon_polarity_10_pct

这是一个原始Amazon Polarity数据集的10%子集，经过随机打乱，用于快速测试。数据集包含两个类别（负面和正面）的标签，以及每个样本的标题和内容。训练集包含360,000个样本，测试集包含40,000个样本。

This is a direct subset of the Amazon Polarity dataset, downsampled to 10% with a random shuffle. The dataset includes train and test splits, with 360,000 and 40,000 examples respectively. Each example contains three features: label, title, and content. The label is categorized into negative and positive. The dataset is intended for quick testing on Amazon Polarity.

原始信息汇总

Amazon Polarity 10pct 数据集概述

数据集配置

• 默认配置：
  • 训练集：路径为 data/train-*
  • 测试集：路径为 data/test-*

数据集信息

• 特征：

  • label：类别标签，包含两个类别：negative 和 positive
  • title：字符串类型
  • content：字符串类型

• 数据分割：

  • 训练集：
    • 字节数：163359702
    • 样本数：360000
  • 测试集：
    • 字节数：18182813
    • 样本数：40000

• 下载大小：120691417 字节

• 数据集大小：181542515 字节

数据集来源

该数据集是原始 Amazon Polarity 数据集的直接子集，随机抽取了10%的数据。