tvergho/DebateCards

该数据集包含多个特征字段，涵盖了文本的多种标注和引用信息。数据集分为训练集和测试集，训练集包含82342个样本，测试集包含1000个样本。数据集的下载大小为634385997字节，总大小为1178011474.0字节。

This dataset contains multiple feature fields, covering various annotations and citation information of the text. The dataset is divided into a training set and a test set, with the training set containing 82,342 samples and the test set containing 1,000 samples. The download size of the dataset is 634,385,997 bytes, and the total size is 1,178,011,474.0 bytes.

原始信息汇总

数据集概述

数据集信息

特征

• id: 字符串类型
• tag: 字符串类型
• tag_sub: 浮点数类型
• cite: 字符串类型
• highlighted_text: 字符串类型
• underlined_text: 字符串类型
• emphasized_text: 字符串类型
• body: 字符串类型
• highlights: 整数序列
• emphasis: 整数序列
• underlines: 整数序列
• cite_emphasis: 字符串类型
• highlight_text_chunks: 字符串序列
• underlined_text_chunks: 字符串序列
• emphasized_text_chunks: 字符串序列
• year: 整数类型
• division: 字符串类型
• filename: 字符串类型
• school: 字符串类型
• team: 字符串类型
• cite_date: 浮点数类型
• download_url: 字符串类型
• index_level_0: 整数类型

数据分割

• train:
  • 字节数: 1163876806.317439
  • 样本数: 82342
• test:
  • 字节数: 14134667.682561014
  • 样本数: 1000

数据集大小

• 下载大小: 634385997 字节
• 数据集总大小: 1178011474.0 字节

配置

• default:
  • 训练数据路径: data/train-*
  • 测试数据路径: data/test-*