jganzabalseenka/news_2024-01-06_24hs

该数据集包含多个特征，如资产ID、中文标题、资产目的地、媒体、影响、开始时间（UTC和本地时间）、实体、预测时间、文本、关键词等。数据集主要用于训练模型，包含4261个示例，总大小为51842269字节。

The dataset contains multiple features such as asset ID, Chinese title, asset destination, media, impact, start time (UTC and local time), entities, prediction time, text, keywords, etc. The dataset is primarily used for training models and includes 4261 examples with a total size of 51842269 bytes.

原始信息汇总

数据集概述

数据集特征

• asset_id: 数据类型为 int64
• title_ch: 数据类型为 string
• Asset Destination: 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: string
• entities: 数据类型为 sequence: 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: string
• title: 数据类型为 string
• text: 数据类型为 string
• keywords: 数据类型为 sequence: 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

数据集分割

• train: 包含 4261 个样本，占用 51842269 字节

数据集大小

• 下载大小: 27655649 字节
• 数据集大小: 51842269 字节

配置

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