stanford-crfm/i2s-webpage-test

---
dataset_info:
- config_name: css
features:
- name: structure
dtype: string
- name: text
dtype: string
- name: image
dtype: image
- name: download_url
dtype: string
- name: instance_name
dtype: string
- name: date
dtype: string
- name: additional_info
dtype: string
- name: date_scrapped
dtype: string
- name: file_filters
dtype: string
- name: compilation_info
dtype: string
- name: rendering_filters
dtype: string
- name: assets
sequence: string
- name: category
dtype: string
- name: uuid
dtype: string
- name: length
dtype: string
- name: difficulty
dtype: string
splits:
- name: validation
num_bytes: 17275376.0
num_examples: 10
download_size: 17168881
dataset_size: 17275376.0
- config_name: html
features:
- name: structure
dtype: string
- name: text
dtype: string
- name: image
dtype: image
- name: download_url
dtype: string
- name: instance_name
dtype: string
- name: date
dtype: string
- name: additional_info
dtype: string
- name: date_scrapped
dtype: string
- name: file_filters
dtype: string
- name: compilation_info
dtype: string
- name: rendering_filters
dtype: string
- name: assets
sequence: string
- name: category
dtype: string
- name: uuid
dtype: string
- name: length
dtype: string
- name: difficulty
dtype: string
splits:
- name: validation
num_bytes: 3714540.0
num_examples: 10
download_size: 3421629
dataset_size: 3714540.0
- config_name: javascript
features:
- name: structure
dtype: string
- name: text
dtype: string
- name: image
dtype: image
- name: download_url
dtype: string
- name: instance_name
dtype: string
- name: date
dtype: string
- name: additional_info
dtype: string
- name: date_scrapped
dtype: string
- name: file_filters
dtype: string
- name: compilation_info
dtype: string
- name: rendering_filters
dtype: string
- name: assets
sequence: string
- name: category
dtype: string
- name: uuid
dtype: string
- name: length
dtype: string
- name: difficulty
dtype: string
splits:
- name: validation
num_bytes: 3408339.0
num_examples: 10
download_size: 3272228
dataset_size: 3408339.0
- config_name: real
features:
- name: structure
dtype: string
- name: image
dtype: image
- name: url
dtype: string
- name: instance_name
dtype: string
- name: date_scrapped
dtype: string
- name: uuid
dtype: string
- name: category
dtype: string
- name: additional_info
dtype: string
- name: assets
sequence: string
- name: difficulty
dtype: string
splits:
- name: validation
num_bytes: 3700230.0
num_examples: 10
download_size: 3662408
dataset_size: 3700230.0
configs:
- config_name: css
data_files:
- split: validation
path: css/validation-*
- config_name: html
data_files:
- split: validation
path: html/validation-*
- config_name: javascript
data_files:
- split: validation
path: javascript/validation-*
- config_name: real
data_files:
- split: validation
path: real/validation-*
---

The dataset includes four configurations: css, html, javascript, and real. Each configuration contains multiple features such as structure, text, image, etc., and different data types. Each configuration has a validation split with 10 examples. The size and download size of the dataset are detailed in each configuration.

原始信息汇总

数据集概述

配置名称：css

• 特征信息：
  • 结构（string）
  • 文本（string）
  • 图像（image）
  • 下载URL（string）
  • 实例名称（string）
  • 日期（string）
  • 附加信息（string）
  • 抓取日期（string）
  • 文件过滤器（string）
  • 编译信息（string）
  • 渲染过滤器（string）
  • 资产（sequence: string）
  • 类别（string）
  • UUID（string）
  • 长度（string）
  • 难度（string）
• 数据分割：
  • 验证集：
    • 字节数：17275376.0
    • 示例数：10
• 数据集大小：17275376.0
• 下载大小：17168881

配置名称：html

• 特征信息：
  • 结构（string）
  • 文本（string）
  • 图像（image）
  • 下载URL（string）
  • 实例名称（string）
  • 日期（string）
  • 附加信息（string）
  • 抓取日期（string）
  • 文件过滤器（string）
  • 编译信息（string）
  • 渲染过滤器（string）
  • 资产（sequence: string）
  • 类别（string）
  • UUID（string）
  • 长度（string）
  • 难度（string）
• 数据分割：
  • 验证集：
    • 字节数：3714540.0
    • 示例数：10
• 数据集大小：3714540.0
• 下载大小：3421629

配置名称：javascript

• 特征信息：
  • 结构（string）
  • 文本（string）
  • 图像（image）
  • 下载URL（string）
  • 实例名称（string）
  • 日期（string）
  • 附加信息（string）
  • 抓取日期（string）
  • 文件过滤器（string）
  • 编译信息（string）
  • 渲染过滤器（string）
  • 资产（sequence: string）
  • 类别（string）
  • UUID（string）
  • 长度（string）
  • 难度（string）
• 数据分割：
  • 验证集：
    • 字节数：3408339.0
    • 示例数：10
• 数据集大小：3408339.0
• 下载大小：3272228

配置名称：real

• 特征信息：
  • 结构（string）
  • 图像（image）
  • URL（string）
  • 实例名称（string）
  • 抓取日期（string）
  • UUID（string）
  • 类别（string）
  • 附加信息（string）
  • 资产（sequence: string）
  • 难度（string）
• 数据分割：
  • 验证集：
    • 字节数：3700230.0
    • 示例数：10
• 数据集大小：3700230.0
• 下载大小：3662408