jganzabalseenka/news_2024-06-08_24hs

该数据集包含多个字段，如资产ID（asset_id）、中文标题（title_ch）、媒体（media）、影响（impact）等。每个字段都有明确的数据类型定义，如int64、string、timestamp等。数据集被分为训练集，包含11437个样本，总大小为131952400字节。

This dataset contains multiple fields such as asset_id, title_ch, media, impact, etc. Each field has a clear data type definition, such as int64, string, timestamp, etc. The dataset is divided into a training set, containing 11437 samples, with a total size of 131952400 bytes.

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
• 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，内容为 string
• entities: 数据类型为 sequence，内容为 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，内容为 string
• title: 数据类型为 string
• text: 数据类型为 string
• keywords: 数据类型为 sequence，内容为 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 11437 个样本，占用 131952400 字节

数据集大小

• 下载大小: 70154491 字节
• 数据集大小: 131952400 字节

配置

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