suanan/BP_CBG_POC

该数据集是一个中文数据集，包含四个主要字段：_id（唯一标识符）、url（链接）、title（标题）和text（文本内容）。数据集仅包含训练集，数据文件存储在data/train-*路径下。

This dataset is a Chinese dataset containing four main fields: _id (unique identifier), url (link), title (title), and text (text content). The dataset only includes a training set, with data files stored under the path data/train-*.

原始信息汇总

数据集概述

许可证

• 许可证类型：CC BY-NC 4.0

语言

• 支持语言：中文

数据集信息

特征

• _id: 数据类型为字符串
• url: 数据类型为字符串
• title: 数据类型为字符串
• text: 数据类型为字符串

数据分割

• train: 训练数据集

配置

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