LightFury9/CulturaX_500ksamples_8splits_te

---
dataset_info:
features:
- name: text
dtype: string
- name: timestamp
dtype: string
- name: url
dtype: string
- name: source
dtype: string
splits:
- name: split1
num_bytes: 470085184.10578954
num_examples: 62500
- name: split2
num_bytes: 470085184.10578954
num_examples: 62500
- name: split3
num_bytes: 470085184.10578954
num_examples: 62500
- name: split4
num_bytes: 470085184.10578954
num_examples: 62500
- name: split5
num_bytes: 470085184.10578954
num_examples: 62500
- name: split6
num_bytes: 470085184.10578954
num_examples: 62500
- name: split7
num_bytes: 470085184.10578954
num_examples: 62500
- name: split8
num_bytes: 470085184.10578954
num_examples: 62500
download_size: 1474381710
dataset_size: 3760681472.846317
configs:
- config_name: default
data_files:
- split: split1
path: data/split1-*
- split: split2
path: data/split2-*
- split: split3
path: data/split3-*
- split: split4
path: data/split4-*
- split: split5
path: data/split5-*
- split: split6
path: data/split6-*
- split: split7
path: data/split7-*
- split: split8
path: data/split8-*
---

原始信息汇总

数据集概述

数据集特征

• text: 数据类型为字符串。
• timestamp: 数据类型为字符串。
• url: 数据类型为字符串。
• source: 数据类型为字符串。

数据集分割

• split1: 包含62500个样本，大小为470085184.10578954字节。
• split2: 包含62500个样本，大小为470085184.10578954字节。
• split3: 包含62500个样本，大小为470085184.10578954字节。
• split4: 包含62500个样本，大小为470085184.10578954字节。
• split5: 包含62500个样本，大小为470085184.10578954字节。
• split6: 包含62500个样本，大小为470085184.10578954字节。
• split7: 包含62500个样本，大小为470085184.10578954字节。
• split8: 包含62500个样本，大小为470085184.10578954字节。

数据集大小

• 下载大小: 1474381710字节。
• 数据集大小: 3760681472.846317字节。

配置

• default:
  • split1: 路径为data/split1-*。
  • split2: 路径为data/split2-*。
  • split3: 路径为data/split3-*。
  • split4: 路径为data/split4-*。
  • split5: 路径为data/split5-*。
  • split6: 路径为data/split6-*。
  • split7: 路径为data/split7-*。
  • split8: 路径为data/split8-*。