jamesagilesoda/CulturaX-ko-9000000-9999999

该数据集包含四个主要特征：文本（text）、时间戳（timestamp）、链接（url）和来源（source）。数据集分为一个训练集（train），包含1,000,000个样本，总大小为5,262,656,645字节。下载大小为3,120,210,215字节。数据集的配置文件名为default，数据文件路径为data/train-*。

The dataset contains four main features: text, timestamp, url, and source. It is divided into a training set (train) with 1,000,000 samples, totaling 5,262,656,645 bytes. The download size is 3,120,210,215 bytes. The configuration file for the dataset is named default, and the data file path is data/train-*.

原始信息汇总

数据集概述

数据集特征

• 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。

数据集划分

• train: 包含1,000,000个样本，总大小为5,262,656,645字节。

数据集大小

• 下载大小: 3,120,210,215字节。
• 数据集总大小: 5,262,656,645字节。

配置信息

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