jganzabalseenka/news_2024-07-16_24hs

该数据集包含多个特征，如资产ID、中文标题、资产目的地、媒体、影响、开始时间（UTC和本地时间）、实体、预测时间、关键词、文本内容等。数据集还包含训练集的分割信息，如字节大小和示例数量。数据集的下载大小和总大小也有详细说明。

The dataset includes multiple features such as asset ID, Chinese title, asset destination, media type, impact level, timestamps, etc. The dataset is divided into a training set with 17283 samples, totaling 195293767 bytes. The configuration name of the dataset is default, and the data file path is data/train-*.

原始信息汇总

数据集概述

数据集信息

特征

• asset_id: 整数类型
• title_ch: 字符串类型
• Asset Destination: 字符串类型
• media: 字符串类型
• impact: 整数类型
• start_time_utc: 时间戳类型
• start_time_local: 时间戳类型
• entities_curated: 字符串序列类型
• entities: 字符串序列类型
• predicted_at_entities: 时间戳类型
• entities_raw_transformers: 列表类型
  • entities: 列表类型
    • end: 整数类型
    • entity_group: 字符串类型
    • score: 浮点数类型
    • start: 整数类型
    • word: 字符串类型
  • text: 字符串类型
• entities_transformers: 字符串序列类型
• title: 字符串类型
• text: 字符串类型
• keywords: 字符串序列类型
• predicted_at_keywords: 时间戳类型
• truncated_text: 字符串类型
• title_and_text: 字符串类型
• prediction_delay_predictions: 浮点数类型
• prediction_delay: 浮点数类型

数据分割

• train:
  • 字节数: 195,293,767
  • 样本数: 17,283

数据集大小

• 下载大小: 102,804,344 字节
• 数据集大小: 195,293,767 字节

配置

• config_name: default
  • data_files:
    • split: train
    • path: data/train-*