mandlc/anno-lexical-coreset-big-cluster

---
dataset_info:
features:
- name: text
dtype: string
- name: source_party
dtype: string
- name: source_name
dtype: string
- name: label
dtype: int64
- name: sentence_id
dtype: string
- name: __index_level_0__
dtype: int64
splits:
- name: train
num_bytes: 710337
num_examples: 3121
- name: test
num_bytes: 226708
num_examples: 1000
download_size: 636743
dataset_size: 937045
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

原始信息汇总

数据集概述

数据集特征

• text: 文本内容，数据类型为字符串。
• source_party: 来源方，数据类型为字符串。
• source_name: 来源名称，数据类型为字符串。
• label: 标签，数据类型为64位整数。
• sentence_id: 句子ID，数据类型为字符串。
• index_level_0: 索引级别0，数据类型为64位整数。

数据集划分

• train: 训练集，包含3121个样本，总大小为710337字节。
• test: 测试集，包含1000个样本，总大小为226708字节。

数据集大小

• 下载大小: 636743字节
• 数据集总大小: 937045字节

配置

• config_name: default
  • data_files:
    • train: 路径为data/train-*
    • test: 路径为data/test-*