LCA-PORVID/delexicalized_n_grams

---
dataset_info:
- config_name: journalistic
features:
- name: text
dtype: string
- name: label
dtype: int64
splits:
- name: train
num_bytes: 201756790
num_examples: 615012
download_size: 123762232
dataset_size: 201756790
- config_name: legal
features:
- name: text
dtype: string
- name: label
dtype: int64
splits:
- name: train
num_bytes: 1215937
num_examples: 7440
download_size: 687763
dataset_size: 1215937
- config_name: literature
features:
- name: text
dtype: string
- name: label
dtype: int64
splits:
- name: train
num_bytes: 8812642
num_examples: 40878
download_size: 5541660
dataset_size: 8812642
- config_name: politics
features:
- name: text
dtype: string
- name: label
dtype: int64
splits:
- name: train
num_bytes: 4082098
num_examples: 5778
download_size: 2340087
dataset_size: 4082098
- config_name: social_media
features:
- name: text
dtype: string
- name: label
dtype: int64
splits:
- name: train
num_bytes: 564540
num_examples: 8246
download_size: 340777
dataset_size: 564540
- config_name: web
features:
- name: text
dtype: string
- name: label
dtype: int64
splits:
- name: train
num_bytes: 85208776
num_examples: 79318
download_size: 49328021
dataset_size: 85208776
configs:
- config_name: journalistic
data_files:
- split: train
path: journalistic/train-*
- config_name: legal
data_files:
- split: train
path: legal/train-*
- config_name: literature
data_files:
- split: train
path: literature/train-*
- config_name: politics
data_files:
- split: train
path: politics/train-*
- config_name: social_media
data_files:
- split: train
path: social_media/train-*
- config_name: web
data_files:
- split: train
path: web/train-*
---

原始信息汇总

数据集概述

数据集配置

新闻类（journalistic）

• 特征：
  • text：字符串类型
  • label：64位整数类型
• 分割：
  • train：
    • 字节数：201756790
    • 样本数：615012
• 下载大小：123762232
• 数据集大小：201756790

法律类（legal）

• 特征：
  • text：字符串类型
  • label：64位整数类型
• 分割：
  • train：
    • 字节数：1215937
    • 样本数：7440
• 下载大小：687763
• 数据集大小：1215937

文学类（literature）

• 特征：
  • text：字符串类型
  • label：64位整数类型
• 分割：
  • train：
    • 字节数：8812642
    • 样本数：40878
• 下载大小：5541660
• 数据集大小：8812642

政治类（politics）

• 特征：
  • text：字符串类型
  • label：64位整数类型
• 分割：
  • train：
    • 字节数：4082098
    • 样本数：5778
• 下载大小：2340087
• 数据集大小：4082098

社交媒体类（social_media）

• 特征：
  • text：字符串类型
  • label：64位整数类型
• 分割：
  • train：
    • 字节数：564540
    • 样本数：8246
• 下载大小：340777
• 数据集大小：564540

网页类（web）

• 特征：
  • text：字符串类型
  • label：64位整数类型
• 分割：
  • train：
    • 字节数：85208776
    • 样本数：79318
• 下载大小：49328021
• 数据集大小：85208776