bzhao18/hyperpartisan-news-distilbert-tokens

--- dataset_info: features: - name: text dtype: string - name: title dtype: string - name: hyperpartisan dtype: bool - name: url dtype: string - name: published_at dtype: string - name: bias dtype: class_label: names: '0': right '1': right-center '2': least '3': left-center '4': left - name: input_ids sequence: sequence: int32 - name: attention_mask sequence: sequence: int8 splits: - name: train num_bytes: 4032769569 num_examples: 599884 - name: validation num_bytes: 1184936408 num_examples: 149235 download_size: 2585904059 dataset_size: 5217705977 configs: - config_name: default data_files: - split: train path: data/train-* - split: validation path: data/validation-* ---

原始信息汇总

数据集概述

数据集特征

• text: 数据类型为字符串。
• title: 数据类型为字符串。
• hyperpartisan: 数据类型为布尔值。
• url: 数据类型为字符串。
• published_at: 数据类型为字符串。
• bias: 数据类型为分类标签，包含以下类别：
  • 0: right
  • 1: right-center
  • 2: least
  • 3: left-center
  • 4: left
• input_ids: 序列数据类型为32位整数。
• attention_mask: 序列数据类型为8位整数。

数据集分割

• train: 包含599,884个样本，总大小为4,032,769,569字节。
• validation: 包含149,235个样本，总大小为1,184,936,408字节。

数据集大小

• 下载大小: 2,585,904,059字节。
• 数据集总大小: 5,217,705,977字节。

配置文件

• config_name: default
• data_files:
  • train: 路径为data/train-*。
  • validation: 路径为data/validation-*。