316usman/thematic3bembed

---
license: bsd
dataset_info:
features:
- name: text
dtype: string
- name: thematic
dtype: string
- name: sub-thematic
dtype: string
- name: country
dtype: string
- name: document_url
dtype: string
- name: source_url
dtype: string
splits:
- name: train
num_bytes: 98024603
num_examples: 127686
download_size: 27749456
dataset_size: 98024603
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

原始信息汇总

数据集概述

数据特征

• text: 数据类型为字符串。
• thematic: 数据类型为字符串。
• sub-thematic: 数据类型为字符串。
• country: 数据类型为字符串。
• document_url: 数据类型为字符串。
• source_url: 数据类型为字符串。

数据分割

• train: 包含98,024,603字节的数据，共有127,686个样本。

数据大小

• 下载大小: 27,749,456字节。
• 数据集大小: 98,024,603字节。

配置

• default:
  • 数据文件:
    • split: train
    • path: data/train-*