jganzabalseenka/news_2024-06-09_24hs

该数据集包含多个特征字段，如资产ID（asset_id）、中文标题（title_ch）、媒体（media）、影响（impact）等。数据集还包含时间戳、字符串、整数、浮点数等多种数据类型。数据集包含一个训练集，共有10142个样本，总大小为121784088字节，下载大小为64629524字节。

This dataset contains multiple feature fields such as asset_id, title_ch, media, impact, etc. The dataset also includes various data types such as timestamps, strings, integers, and floats. The dataset includes a training set with 10,142 samples, totaling 121,784,088 bytes in size, and a download size of 64,629,524 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
• 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 10142 个样本，占用 121784088 字节

数据集大小

• 下载大小: 64629524 字节
• 数据集大小: 121784088 字节

配置

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