jganzabalseenka/Nota_2024-07-20_24hs

该数据集包含多个特征，如资产ID、中文标题、资产目的地、媒体类型、影响程度、时间戳、实体信息、关键词等。数据集分为训练集，包含16025个样本，总大小为182900118字节。

The dataset contains multiple features such as asset ID, Chinese title, asset destination, media type, impact level, timestamps, entity information, keywords, etc. The dataset is divided into a training set, containing 16025 samples with a total size of 182900118 bytes.

原始信息汇总

数据集概述

数据集信息

特征

• asset_id: 数据类型为 int64
• title_ch: 数据类型为 string
• Asset Destination: 数据类型为 string
• media: 数据类型为 string
• impact: 数据类型为 int64
• start_time_utc: 数据类型为 timestamp[ns]
• start_time_local: 数据类型为 timestamp[ns]
• entities_curated: 数据类型为 sequence，内容为 string
• entities: 数据类型为 sequence，内容为 string
• predicted_at_entities: 数据类型为 timestamp[ns]
• entities_raw_transformers: 数据类型为 list，包含以下子特征：
  • entities: 数据类型为 list，包含以下子特征：
    • end: 数据类型为 int64
    • entity_group: 数据类型为 string
    • score: 数据类型为 float64
    • start: 数据类型为 int64
    • word: 数据类型为 string
  • text: 数据类型为 string
• entities_transformers: 数据类型为 sequence，内容为 string
• title: 数据类型为 string
• text: 数据类型为 string
• keywords: 数据类型为 sequence，内容为 string
• predicted_at_keywords: 数据类型为 timestamp[ns]
• truncated_text: 数据类型为 string
• title_and_text: 数据类型为 string
• prediction_delay_predictions: 数据类型为 float64
• prediction_delay: 数据类型为 float64

数据分割

• train: 包含 16025 个样本，占用 182900118 字节

数据集大小

• 下载大小: 96589379 字节
• 数据集大小: 182900118 字节

配置

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