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