anhdungitvn/vi-news-banker

该数据集包含多个字段，如URL、标题、类别、子类别、描述、内容、日期和时间等，每个字段都有对应的MD5校验值。数据集主要用于存储和管理网页或文档的相关信息，可能用于文本分析、分类或信息检索等任务。数据集被划分为训练集，包含2422个样本，总大小为13000375字节。

This dataset includes multiple fields such as URL, title, category, sub-category, description, content, date, and time, each with corresponding MD5 checksums. The dataset is primarily used for storing and managing information related to web pages or documents, potentially for tasks such as text analysis, classification, or information retrieval. The dataset is divided into a training set containing 2422 samples, with a total size of 13000375 bytes.

原始信息汇总

数据集概述

数据集信息

特征

• url: 类型为字符串
• url_md5: 类型为字符串
• title: 类型为字符串
• title_md5: 类型为字符串
• category: 类型为字符串
• sub_category: 类型为字符串
• description: 类型为字符串
• description_md5: 类型为字符串
• content: 类型为字符串
• content_md5: 类型为字符串
• date: 类型为字符串
• date_md5: 类型为字符串
• time: 类型为字符串
• time_md5: 类型为字符串
• date_created: 类型为字符串

数据分割

• train: 包含2422个样本，总大小为13000375字节

数据集大小

• 下载大小: 6396044字节
• 数据集大小: 13000375字节

配置

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