jganzabalseenka/news_2024-05-20_24hs

该数据集包含多个字段，涉及资产ID、中文标题、资产目的地、媒体、影响、开始时间（UTC和本地时间）、实体信息、预测时间、文本内容、关键词、预测延迟等。数据集的训练集包含16164个样本，总大小为159509040字节，下载大小为85697735字节。

This dataset includes multiple fields such as asset ID, Chinese title, asset destination, media, impact, start time (UTC and local time), entity information, prediction time, text content, keywords, prediction delay, etc. The training set of the dataset contains 16164 samples, with a total size of 159509040 bytes and a download size of 85697735 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
• 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: 159509040
  • 样本数: 16164

数据集大小

• 下载大小: 85697735 字节
• 数据集大小: 159509040 字节

配置

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