jamesagilesoda/CulturaX-ko-20000000-20557309

该数据集包含文本、时间戳、URL和来源四个特征，所有特征的数据类型均为字符串。数据集包含一个训练分割，共有557,310个示例，总大小为2,932,966,853字节。下载大小为1,739,183,658字节。默认配置下的数据文件路径为data/train-*。

The dataset contains four features: text, timestamp, URL, and source, all of which are of string data type. The dataset includes a training split with 557,310 examples, totaling 2,932,966,853 bytes. The download size is 1,739,183,658 bytes. The data file path under the default configuration is data/train-*.

原始信息汇总

数据集概述

数据集信息

• 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。

数据分割

• train:
  • 数据量: 557,310条记录。
  • 数据大小: 2,932,966,853字节。

数据集大小

• 下载大小: 1,739,183,658字节。
• 总数据大小: 2,932,966,853字节。

配置

• 配置名称: default
  • 数据文件路径: data/train-*