jganzabalseenka/news_2023-11-02_1hs

该数据集包含多个字段，主要涉及资产ID、中文标题、资产目的地、媒体类型、影响程度、时间戳（UTC和本地时间）、实体信息（包括原始和转换后的实体）、文本内容、关键词、预测延迟等。数据集主要用于处理和分析与资产相关的文本数据，可能用于预测、实体识别或其他自然语言处理任务。

This dataset contains multiple fields, primarily involving asset ID, Chinese title, asset destination, media type, impact level, timestamps (UTC and local time), entity information (including raw and transformed entities), text content, keywords, prediction delay, etc. The dataset is mainly used for processing and analyzing text data related to assets, potentially for prediction, entity recognition, or other natural language processing tasks.

原始信息汇总

数据集概述

数据集信息

特征

• asset_id: 数据类型为 int64
• title_ch: 数据类型为 string
• Asset Destination: 数据类型为 string
• media: 数据类型为 string
• impact: 数据类型为 int64
• start_time_utc: 数据类型为 timestamp[ns]
• start_time_local: 数据类型为 timestamp[ns]
• entities_curated: 数据类型为 sequence: string
• entities: 数据类型为 sequence: string
• predicted_at_entities: 数据类型为 timestamp[ns]
• entities_raw_transformers: 数据类型为 list，包含以下子特征：
  • entities: 数据类型为 list，包含以下子特征：
    • end: 数据类型为 int64
    • entity_group: 数据类型为 string
    • score: 数据类型为 float64
    • start: 数据类型为 int64
    • word: 数据类型为 string
  • text: 数据类型为 string
• entities_transformers: 数据类型为 sequence: string
• title: 数据类型为 string
• text: 数据类型为 string
• keywords: 数据类型为 sequence: string
• predicted_at_keywords: 数据类型为 timestamp[ns]
• truncated_text: 数据类型为 string
• title_and_text: 数据类型为 string
• prediction_delay_predictions: 数据类型为 float64
• prediction_delay: 数据类型为 float64

数据分割

• train: 包含 1006 个样本，占用 12837432 字节

数据集大小

• 下载大小: 6469939 字节
• 数据集大小: 12837432 字节

配置

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