jganzabalseenka/news_2024-06-05_24hs

该数据集包含多个特征，如资产ID、中文标题、媒体、影响程度、开始时间（UTC和本地时间）、实体信息、预测时间、关键词、文本内容等。数据集还包含训练集的分割信息，具体包括字节大小和示例数量。数据集的下载大小和总大小分别为131152335字节和244511257字节。

This dataset includes multiple features such as asset ID, Chinese title, media, impact level, start time (UTC and local time), entity information, prediction time, keywords, text content, etc. The dataset also contains split information for the training set, specifically the byte size and the number of examples. The download size and total size of the dataset are 131152335 bytes and 244511257 bytes, respectively.

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: 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

数据分割

• train: 包含 21673 个样本，占用 244511257 字节

数据集大小

• 下载大小: 131152335 字节
• 数据集大小: 244511257 字节

配置

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