jganzabalseenka/news_2024-06-10_24hs

该数据集包含多个特征字段，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。数据集主要用于训练模型，包含13190个样本，总大小为150686527字节。数据集包含一个名为train的分割，路径为data/train-*。

This dataset includes multiple feature fields 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 is primarily used for training models, containing 13,190 samples with a total size of 150,686,527 bytes. The dataset includes a split named train, with the path data/train-*.

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: 150686527
  • 样本数: 13190

数据集大小

• 下载大小: 80192171 字节
• 数据集大小: 150686527 字节

配置

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