jlutz75/albert_scrapping

该数据集包含多个特征，如文本、标题、时间戳、收集时间、处理后的文本、客户端信息和超链接。数据集分为一个训练集，包含14,552个样本，总大小为96,116,069字节，下载大小为35,736,699字节。

This dataset includes multiple features such as text, title, timestamp, collection time, retreated text, client information, and hyperlinks. The dataset is divided into a training set containing 14,552 samples, with a total size of 96,116,069 bytes and a download size of 35,736,699 bytes.

原始信息汇总

数据集概述

数据集信息

特征

• txt: 数据类型为字符串。
• title: 数据类型为字符串。
• timestamp: 数据类型为64位整数。
• time_collection: 数据类型为64位浮点数。
• text_retreated: 数据类型为字符串。
• client: 数据类型为字符串。
• href: 数据类型为字符串。

数据分割

• train: 包含14552个样本，总大小为96116069字节。

数据集大小

• 下载大小: 35736699字节。
• 数据集总大小: 96116069字节。

配置

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