jganzabalseenka/news_2024-07-18_24hs

该数据集包含多个特征字段，如资产ID、中文标题、资产目的地、媒体类型、影响程度等。此外，数据集还包含时间戳、实体信息、关键词、预测延迟等字段。数据集的分割为训练集，包含17242个样本，文件大小为196971738字节。

This dataset contains multiple feature fields such as asset ID, Chinese title, asset destination, media type, impact level, etc. Additionally, the dataset includes timestamps, entity information, keywords, prediction delays, and other fields. The dataset is split into a training set containing 17,242 samples with a file size of 196,971,738 bytes.

原始信息汇总

数据集概述

数据集信息

特征

• asset_id: 整数类型
• title_ch: 字符串类型
• Asset Destination: 字符串类型
• media: 字符串类型
• impact: 整数类型
• start_time_utc: 时间戳类型
• start_time_local: 时间戳类型
• entities_curated: 字符串序列
• entities: 字符串序列
• predicted_at_entities: 时间戳类型
• entities_raw_transformers: 列表类型
  • entities: 列表类型
    • end: 整数类型
    • entity_group: 字符串类型
    • score: 浮点数类型
    • start: 整数类型
    • word: 字符串类型
  • text: 字符串类型
• entities_transformers: 字符串序列
• title: 字符串类型
• text: 字符串类型
• keywords: 字符串序列
• predicted_at_keywords: 时间戳类型
• truncated_text: 字符串类型
• title_and_text: 字符串类型
• prediction_delay_predictions: 浮点数类型
• prediction_delay: 浮点数类型

数据分割

• train:
  • 字节数: 196971738
  • 样本数: 17242

数据集大小

• 下载大小: 103964172 字节
• 数据集大小: 196971738 字节

配置

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