316usman/thematic1aembed

--- license: bsd dataset_info: features: - name: text dtype: string - name: thematic dtype: string - name: sub-thematic dtype: string - name: country dtype: string - name: document_url dtype: string - name: source_url dtype: string splits: - name: train num_bytes: 3095334386 num_examples: 4102692 download_size: 933362667 dataset_size: 3095334386 configs: - config_name: default data_files: - split: train path: data/train-* ---

原始信息汇总

数据集概述

数据特征

• text: 数据类型为字符串。
• thematic: 数据类型为字符串。
• sub-thematic: 数据类型为字符串。
• country: 数据类型为字符串。
• document_url: 数据类型为字符串。
• source_url: 数据类型为字符串。

数据分割

• train: 包含4102692个样本，总字节数为3095334386。

数据集大小

• 下载大小: 933362667字节。
• 数据集大小: 3095334386字节。

配置

• default: 包含训练数据文件，路径为data/train-*。