lailamt/tycholina-full

该数据集包含多个特征，包括年份（year）、文本（text）、窗口（window）和带有标记的文本（text_w_tokens）。数据集分为训练集和验证集，训练集包含507,040个样本，验证集包含126,761个样本。数据集的下载大小为139,009,917字节，总大小为216,688,682字节。

The dataset includes multiple features such as year, text, window, and text with tokens (text_w_tokens). It is divided into training and validation sets, with the training set containing 507,040 samples and the validation set containing 126,761 samples. The download size of the dataset is 139,009,917 bytes, and the total size is 216,688,682 bytes.

原始信息汇总

数据集概述

数据特征

• year: 数据类型为 int64
• text: 数据类型为 string
• window: 数据类型为 string
• text_w_tokens: 数据类型为 string

数据分割

• train:
  • 字节数: 173,217,880
  • 样本数: 507,040
• validation:
  • 字节数: 43,470,802
  • 样本数: 126,761

数据集大小

• 下载大小: 139,009,917 字节
• 数据集总大小: 216,688,682 字节

配置

• config_name: default
  • data_files:
    • train: data/train-*
    • validation: data/validation-*