rjac/all-the-news-2-1-Component-one

该数据集包含270万篇新闻文章和论文，来自27家美国出版物，涵盖了2016年至2020年初的时间段。数据集以CSV格式提供，压缩后大小为3.4 GB，解压后为8.8 GB。数据集由Andrew Thompson创建，并于2020年4月3日添加和修改。此外，文件还提到了数据集的下载和处理日期，以及一些数据处理的细节，如修改了标题列和删除了特定行。

原始信息汇总

数据集概述

基本信息

• 类型: CSV
• 大小: 3.4 GB 压缩, 8.8 GB 未压缩
• 创建者: Andrew Thompson
• 添加日期: 4/3/2020
• 修改日期: 4/3/2020

内容描述

• 文章数量: 2.7 million
• 来源: 27 American publications
• 内容范围: 新闻文章和论文
• 时间跨度: 主要覆盖2016年至2020年初
• 包含信息: 日期、标题、出版物、文章文本、出版物名称、年、月及部分URL

数据处理

• 下载和处理日期: 19/6/2022
• 修改记录: 表头已根据相应列修改，行号2,324,812被移除