jamesagilesoda/CulturaX-ko-14000000-14999999

该数据集包含100万条记录，每条记录包含文本（text）、时间戳（timestamp）、URL（url）和来源（source）四个特征。数据集被分为一个训练集（train），总大小为5262368784字节。

This dataset contains 1 million records, each with four features: text, timestamp, URL, and source. The dataset is divided into a single training set (train) with a total size of 5262368784 bytes.

原始信息汇总

数据集概述

数据集信息

• 特征:

  • text: 数据类型为字符串。
  • timestamp: 数据类型为字符串。
  • url: 数据类型为字符串。
  • source: 数据类型为字符串。

• 分割:

  • train: 包含1,000,000个样本，总大小为5,262,368,784字节。

• 下载大小: 3,119,468,394字节。

• 数据集大小: 5,262,368,784字节。

配置

• default:
  • 数据文件:
    • train: 路径为data/train-*。