jganzabalseenka/news_2024-06-07_24hs

该数据集包含多个字段，如资产ID、中文标题、媒体来源、影响程度、时间戳、实体信息、关键词等。数据集的字段结构复杂，包含多个嵌套的列表和序列，可能用于文本分析、实体识别、时间序列分析等任务。数据集分为训练集，包含15865个样本，总大小为177949764字节。

This dataset includes multiple fields such as asset ID, Chinese title, media source, impact level, timestamps, entity information, keywords, etc. The dataset has a complex structure with nested lists and sequences, potentially used for text analysis, entity recognition, time series analysis, and other tasks. The dataset is divided into a training set containing 15,865 samples with a total size of 177,949,764 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
• 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
• entities: 字符串序列
• 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
• title: 字符串类型
• text: 字符串类型
• keywords: 字符串序列
• 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: 177949764
  • 样本数: 15865

数据集大小

• 下载大小: 95193221 字节
• 数据集大小: 177949764 字节

配置

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