sunhaozhepy/ag_news_roberta_keywords

该数据集包含文本数据，每个样本包含文本内容、标签和关键词。标签分为四个类别：世界、体育、商业、科技/技术。数据集分为训练集和测试集，训练集包含120,000个样本，测试集包含7,600个样本。数据集的下载大小为21,875,045字节，数据集总大小为34,723,582字节。

原始信息汇总

数据集概述

特征信息

• text: 数据类型为字符串。
• label: 数据类型为类别标签，包含以下类别：
  • 0: World
  • 1: Sports
  • 2: Business
  • 3: Sci/Tech
• keywords: 数据类型为字符串。

数据分割

• train:
  • 字节数: 32663299
  • 样本数: 120000
• test:
  • 字节数: 2060283
  • 样本数: 7600

数据集大小

• 下载大小: 21875045 字节
• 数据集大小: 34723582 字节

配置信息

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