ZhJiHo/CBRN_2023_50_filter
收藏Hugging Face2024-05-10 更新2024-06-12 收录
下载链接：
https://hf-mirror.com/datasets/ZhJiHo/CBRN_2023_50_filter
下载链接
链接失效反馈官方服务：
资源简介：
---
dataset_info:
features:
- name: text
dtype: string
- name: id
dtype: string
- name: metadata
struct:
- name: dump
dtype: string
- name: url
dtype: string
- name: date
dtype: timestamp[s]
- name: file_path
dtype: string
- name: language
dtype: string
- name: language_score
dtype: float64
- name: token_count
dtype: int64
splits:
- name: train
num_bytes: 113357436
num_examples: 9864
download_size: 64592869
dataset_size: 113357436
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
This dataset contains text data and its associated metadata. The text data includes text and id fields, and the metadata includes dump, url, date, file_path, language, language_score, and token_count. The dataset is divided into a training set, which contains 9864 samples with a total size of 113357436 bytes. The download size of the dataset is 64592869 bytes.
提供机构：
ZhJiHo
原始信息汇总
数据集概述
数据集特征
- text：文本类型，数据类型为字符串。
- id：标识符，数据类型为字符串。
- metadata：元数据结构，包含以下子特征：
- dump：数据类型为字符串。
- url：数据类型为字符串。
- date：数据类型为时间戳（秒）。
- file_path：数据类型为字符串。
- language：数据类型为字符串。
- language_score：数据类型为浮点数。
- token_count：数据类型为整数。
数据集分割
- train：训练集，包含9864个样本，总大小为113357436字节。
数据集大小
- 下载大小：64592869字节。
- 数据集总大小：113357436字节。
配置
- config_name：default
- data_files：
- split：train
- path：data/train-*
