AndresR2909/youtube_transcriptions_ingest

该数据集包含多个特征，如频道名称、视频ID、来源、发布日期、持续时间、最后更新日期、标题、文本、年份、令牌数量和字符数量。数据集被分割为训练集，包含3288个样本，总大小为91221656字节。下载大小为47298464字节。

The dataset includes multiple features such as channel name, video ID, source, publish date, duration, last update date, title, text, year, number of tokens, and number of characters. The dataset is split into a training set containing 3288 samples, with a total size of 91221656 bytes. The download size is 47298464 bytes.

原始信息汇总

数据集概述

数据集信息

特征

• chanel_name: 字符串类型
• video_id: 字符串类型
• source: 字符串类型
• publish_date: 字符串类型
• duration: 浮点数类型 (float64)
• last_update_date: 字符串类型
• title: 字符串类型
• text: 字符串类型
• year: 整数类型 (int64)
• numero_tokens: 整数类型 (int64)
• numero_caracteres: 整数类型 (int64)

数据分割

• train:
  • 字节数: 91221656
  • 样本数: 3288

数据集大小

• 下载大小: 47298464 字节
• 数据集总大小: 91221656 字节

配置

• config_name: default
  • 数据文件路径: data/train-*