jganzabalseenka/news_2024-06-02_24hs

该数据集包含多个字段，如资产ID、中文标题、媒体类型、影响程度等，涵盖了从资产ID、标题、媒体类型到影响程度等多种信息。此外，数据集中还包含时间戳、实体信息、关键词等复杂数据结构。数据集被分为训练集，包含15094个样本，总大小为177384999字节。

This dataset includes multiple fields such as asset ID, Chinese title, media type, impact level, etc., covering a variety of information from asset ID, title, media type to impact level. Additionally, the dataset contains complex data structures such as timestamps, entity information, and keywords. The dataset is divided into a training set, containing 15094 samples, with a total size of 177384999 bytes.

原始信息汇总

数据集概述

数据集信息

特征

• asset_id: 数据类型为 int64
• title_ch: 数据类型为 string
• media: 数据类型为 string
• impact: 数据类型为 int64
• start_time_utc: 数据类型为 timestamp[ns]
• start_time_local: 数据类型为 timestamp[ns]
• entities_curated: 数据类型为 sequence，内容为 string
• entities: 数据类型为 sequence，内容为 string
• predicted_at_entities: 数据类型为 timestamp[ns]
• entities_raw_transformers: 数据类型为 list，包含以下子特征：
  • entities: 数据类型为 list，包含以下子特征：
    • end: 数据类型为 int64
    • entity_group: 数据类型为 string
    • score: 数据类型为 float64
    • start: 数据类型为 int64
    • word: 数据类型为 string
  • text: 数据类型为 string
• entities_transformers: 数据类型为 sequence，内容为 string
• title: 数据类型为 string
• text: 数据类型为 string
• keywords: 数据类型为 sequence，内容为 string
• predicted_at_keywords: 数据类型为 timestamp[ns]
• truncated_text: 数据类型为 string
• title_and_text: 数据类型为 string
• prediction_delay_predictions: 数据类型为 float64
• prediction_delay: 数据类型为 float64

数据集分割

• train: 包含 15094 个样本，占用 177384999 字节

数据集大小

• 下载大小: 95468236 字节
• 数据集大小: 177384999 字节

配置

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