jamesagilesoda/CulturaX-ko-15000000-15999999

该数据集包含四个主要特征字段：文本（text）、时间戳（timestamp）、URL（url）和来源（source）。数据集被分割为训练集（train），包含1,000,000个样本，总大小为5,255,107,655字节。下载大小为3,116,869,628字节。数据文件路径为data/train-*。

The dataset includes four main feature fields: text, timestamp, URL, and source. The dataset is split into a training set (train) containing 1,000,000 samples, with a total size of 5,255,107,655 bytes. The download size is 3,116,869,628 bytes. The data file path is data/train-*.

原始信息汇总

数据集概述

数据特征

• text: 文本数据，数据类型为字符串。
• timestamp: 时间戳，数据类型为字符串。
• url: URL链接，数据类型为字符串。
• source: 数据来源，数据类型为字符串。

数据划分

• train: 训练集，包含1,000,000个样本，总大小为5,255,107,655字节。

数据集大小

• 下载大小: 3,116,869,628字节
• 数据集总大小: 5,255,107,655字节

配置

• default: 默认配置，包含训练集数据文件路径为data/train-*。