jganzabalseenka/stop_phrases_with_186157_assets

该数据集包含多个字段，主要涉及文本处理相关的统计信息，如停用词、文档频率、总词频、词项频率等。数据集的结构包括一个训练集分割，包含29740个样本，总大小为5101485字节。

This dataset includes multiple fields related to text processing statistics, such as stop phrases, document frequency, total term frequency, term frequency, etc. The dataset structure includes a training split with 29,740 samples, totaling 5,101,485 bytes in size.

原始信息汇总

数据集概述

数据集特征

• stop_phrase: 类型为字符串 (string)
• doc_freq: 类型为整数 (int64)
• ttf: 类型为整数 (int64)
• term_freq: 类型为整数 (int64)
• tokens: 类型为列表，包含以下子特征：
  • end_offset: 类型为整数 (int64)
  • position: 类型为整数 (int64)
  • start_offset: 类型为整数 (int64)
• score: 类型为浮点数 (float64)
• index_level_0: 类型为整数 (int64)

数据集分割

• train: 包含29740个样本，占用5101485字节

数据集大小

• 下载大小: 2756995字节
• 数据集大小: 5101485字节

配置

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