jganzabalseenka/news_2024-06-06_24hs

该数据集包含多个特征，如资产ID、中文标题、媒体来源、影响程度、时间戳、实体信息、预测时间、文本内容、关键词等。数据集主要用于存储和处理与时间序列、实体识别、文本分析相关的信息。数据集包含一个训练集，大小为223,763,533字节，包含19,765个样本。

This dataset includes multiple features such as asset ID, Chinese title, media source, impact level, timestamps, entity information, prediction times, text content, keywords, etc. The dataset is primarily used for storing and processing information related to time series, entity recognition, and text analysis. It contains a training set of 223,763,533 bytes with 19,765 samples.

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
• 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: 字符串序列类型
• entities: 字符串序列类型
• 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: 字符串序列类型
• title: 字符串类型
• text: 字符串类型
• keywords: 字符串序列类型
• 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: 223763533
  • 样本数: 19765

数据集大小

• 下载大小: 119688780 字节
• 数据集大小: 223763533 字节

配置

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