jganzabalseenka/news_2024-07-05_24hs

该数据集包含多个特征字段，如资产ID、中文标题、资产目的地、媒体类型、影响程度等。此外，数据集还包含时间戳、实体信息、关键词、文本内容等复杂结构的数据。数据集分为训练集，包含11854个样本，总大小为136176595字节。

This dataset contains multiple feature fields such as asset ID, Chinese title, asset destination, media type, impact level, etc. Additionally, the dataset includes complex structured data such as timestamps, entity information, keywords, and text content. The dataset is divided into a training set, containing 11854 samples, with a total size of 136176595 bytes.

原始信息汇总

数据集概述

数据集信息

特征

• asset_id: 整数类型
• title_ch: 字符串类型
• Asset Destination: 字符串类型
• media: 字符串类型
• impact: 整数类型
• start_time_utc: 时间戳类型
• start_time_local: 时间戳类型
• entities_curated: 字符串序列类型
• entities: 字符串序列类型
• predicted_at_entities: 时间戳类型
• entities_raw_transformers: 列表类型
  • entities: 列表类型
    • end: 整数类型
    • entity_group: 字符串类型
    • score: 浮点数类型
    • start: 整数类型
    • word: 字符串类型
  • text: 字符串类型
• entities_transformers: 字符串序列类型
• title: 字符串类型
• text: 字符串类型
• keywords: 字符串序列类型
• predicted_at_keywords: 时间戳类型
• truncated_text: 字符串类型
• title_and_text: 字符串类型
• prediction_delay_predictions: 浮点数类型
• prediction_delay: 浮点数类型

数据分割

• train:
  • 字节数: 136176595
  • 样本数: 11854

数据集大小

• 下载大小: 72122948 字节
• 数据集大小: 136176595 字节

配置

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