ta4tsering/Norbuketaka_datasets

该数据集包含多个特征，包括文件名、标签、URL、作品ID、字符长度、脚本和打印方法。数据集主要分为训练集，包含2,238,062个样本，总大小为945,842,134字节。下载大小为222,928,480字节。数据文件位于train-*路径下。

The dataset includes multiple features such as filename, label, URL, work ID, character length, script, and print method. The dataset is primarily divided into a training set containing 2,238,062 samples, with a total size of 945,842,134 bytes. The download size is 222,928,480 bytes. The data files are located under the train-* path.

原始信息汇总

数据集概述

数据集特征

• filename: 文件名，数据类型为字符串。
• label: 标签，数据类型为字符串。
• url: URL链接，数据类型为字符串。
• char_len: 字符长度，数据类型为整数。
• work_id: 作品ID，数据类型为字符串。
• script: 脚本内容，数据类型为字符串。
• print_method: 打印方法，数据类型为字符串。

数据集划分

• train: 训练集，包含2,561,737个样本，总字节数为1,072,607,102。

数据集大小

• 下载大小: 258,058,540字节。
• 数据集总大小: 1,072,607,102字节。

配置信息

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