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