jganzabalseenka/news_2024-06-11_24hs

该数据集包含多个特征字段，如资产ID、中文标题、媒体、影响程度、开始时间（UTC和本地时间）、实体信息、预测时间、关键词、文本内容等。数据集还包含了训练集的分割信息，包括字节大小和示例数量。此外，数据集的下载大小和总大小也被列出。

This dataset includes multiple feature fields such as asset ID, Chinese title, media, impact level, start time (UTC and local time), entity information, prediction time, keywords, text content, etc. The dataset also contains split information for the training set, including byte size and number of examples. Additionally, the download size and total size of the dataset are listed.

原始信息汇总

数据集概述

数据集信息

特征

• asset_id: 整数类型
• title_ch: 字符串类型
• media: 字符串类型
• impact: 整数类型
• start_time_utc: 时间戳类型
• start_time_local: 时间戳类型
• entities_curated: 字符串序列
• entities: 字符串序列
• predicted_at_entities: 时间戳类型
• entities_raw_transformers: 列表类型
  • entities: 列表类型
    • end: 整数类型
    • entity_group: 字符串类型
    • score: 浮点数类型
    • start: 整数类型
    • word: 字符串类型
  • text: 字符串类型
• entities_transformers: 字符串序列
• title: 字符串类型
• text: 字符串类型
• keywords: 字符串序列
• predicted_at_keywords: 时间戳类型
• truncated_text: 字符串类型
• title_and_text: 字符串类型
• prediction_delay_predictions: 浮点数类型
• prediction_delay: 浮点数类型

数据分割

• train:
  • 字节数: 133793026
  • 样本数: 11726

数据集大小

• 下载大小: 71077326 字节
• 数据集大小: 133793026 字节

配置

• config_name: default
  • data_files:
    • split: train
    • path: data/train-*