jganzabalseenka/news_2024-07-08_24hs

该数据集包含多个字段，如资产ID、中文标题、资产目的地、媒体、影响等，涵盖了多个维度的信息。数据集还包含时间戳、实体信息、关键词、预测延迟等复杂结构。数据集划分为训练集，包含17942个样本，总大小为210194806字节。

This dataset is primarily used for analyzing and processing information related to assets, including asset ID, Chinese title, asset destination, media type, impact level, etc. The features in the dataset also include timestamps, entity recognition, keyword extraction, etc., suitable for various data processing tasks. The dataset is divided into a training set, containing 17942 samples, with a total size of 210194806 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: 字符串序列类型
• entities: 字符串序列类型
• 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: 字符串序列类型
• title: 字符串类型
• text: 字符串类型
• keywords: 字符串序列类型
• 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: 210194806
  • 样本数: 17942

数据集大小

• 下载大小: 110577586 字节
• 数据集大小: 210194806 字节

配置

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