jganzabalseenka/news_2024-07-10_24hs

该数据集包含多个特征，如资产ID、中文标题、资产目的地、媒体类型、影响程度、开始时间（UTC和本地时间）、实体信息、预测时间、文本内容、关键词、预测延迟等。数据集分为训练集，包含20172个样本，总大小为230689837字节。

This dataset includes multiple features such as asset ID, Chinese title, asset destination, media type, impact level, start time (UTC and local time), entity information, prediction time, text content, keywords, prediction delay, etc. The dataset is divided into a training set containing 20172 samples, with a total size of 230689837 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: 230689837
  • 样本数: 20172

数据集大小

• 下载大小: 121088699
• 数据集大小: 230689837

配置

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