AndresR2909/youtube_transcripcions_embeddigns

该数据集包含多个特征，如频道名称、视频ID、发布日期、标题、年份、文本内容、分块部分和嵌入。数据集分为一个训练集，包含59,073个样本，总大小为2,097,396,724字节。下载大小为1,385,680,643字节。

The dataset includes multiple features such as channel name, video ID, publish date, title, year, text content, chunk part, and embedding. The dataset is divided into a training set containing 59,073 samples with a total size of 2,097,396,724 bytes. The download size is 1,385,680,643 bytes.

原始信息汇总

数据集概述

数据集信息

特征

• chanel_name: 字符串类型
• video_id: 字符串类型
• publish_date: 字符串类型
• title: 字符串类型
• year: 整数类型
• text: 字符串类型
• chunk_part: 整数类型
• embedding: 字符串类型

数据分割

• train:
  • 字节数: 2097396724
  • 样本数: 59073

数据集大小

• 下载大小: 1385680643 字节
• 数据集大小: 2097396724 字节

配置

• config_name: default
  • 数据文件:
    • 分割: train
    • 路径: data/train-*