jganzabalseenka/news_2024-07-11_24hs

该数据集包含多个字段，如资产ID、中文标题、资产目的地、媒体、影响等，涵盖了不同类型的数据。数据集还包含时间戳、实体信息、关键词、预测延迟等复杂数据结构。数据集分为训练集，包含18214个样本，总大小为203643118字节。

This dataset contains multiple fields such as asset ID, Chinese title, asset destination, media, impact, etc., covering different types of data. The dataset also includes complex data structures such as timestamps, entity information, keywords, and prediction delays. The dataset is divided into a training set, containing 18,214 samples, with a total size of 203,643,118 bytes.

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
• entities: 字符串序列
• 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
• title: 字符串类型
• text: 字符串类型
• keywords: 字符串序列
• 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: 203643118
  • 样本数: 18214

数据集大小

• 下载大小: 107921120 字节
• 数据集大小: 203643118 字节

配置

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