jamesagilesoda/CulturaX-ko-2000000-2999999

该数据集包含四个主要特征：文本（text）、时间戳（timestamp）、链接（url）和来源（source）。数据集分为一个训练集（train），包含1,000,000个样本，总大小为5,247,286,340字节。下载大小为3,111,393,796字节。数据集的配置名为default，数据文件路径为data/train-*。

The dataset includes four main features: text, timestamp, url, and source. It is divided into one training set (train) containing 1,000,000 samples, with a total size of 5,247,286,340 bytes. The download size is 3,111,393,796 bytes. The dataset configuration is named default, and the data file path is data/train-*.

原始信息汇总

数据集概述

特征信息

• text: 数据类型为字符串。
• timestamp: 数据类型为字符串。
• url: 数据类型为字符串。
• source: 数据类型为字符串。

数据分割

• train: 包含1,000,000个样本，总大小为5,247,286,340字节。

数据集大小

• 下载大小: 3,111,393,796字节。
• 数据集总大小: 5,247,286,340字节。

配置信息

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