AndresR2909/youtube_transcripcions_vector_data_base

该数据集包含多个与视频相关的特征，如频道名称、持续时间、最后更新日期、字符数、令牌数、部分、发布日期、来源、分割令牌、文本、标题、视频ID、年份、ID和嵌入。数据集主要用于训练，包含80,000个样本，总大小为1,926,935,049字节。数据集的下载大小为1,147,912,765字节。

This dataset includes multiple features related to videos, such as channel name, duration, last update date, number of characters, number of tokens, part, publish date, source, split tokens, text, title, video ID, year, ID, and embedding. The dataset is primarily used for training, containing 80,000 samples with a total size of 1,926,935,049 bytes. The download size of the dataset is 1,147,912,765 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
• duration: 浮点数类型
• last_update_date: 字符串类型
• numero_caracteres: 浮点数类型
• numero_tokens: 浮点数类型
• part: 浮点数类型
• publish_date: 字符串类型
• source: 字符串类型
• split_tokens: 浮点数类型
• text: 字符串类型
• title: 字符串类型
• video_id: 字符串类型
• year: 浮点数类型
• id: 字符串类型
• embedding: 字符串类型

数据分割

• train:
  • 字节数: 1926935049
  • 样本数: 80000

数据集大小

• 下载大小: 1147912765 字节
• 数据集大小: 1926935049 字节

配置

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