joshuapsa/gpt-generated-news-sentences

该数据集是专门为代码测试目的创建的。数据集通过向chatGPT提供特定主题的提示生成，例如生成关于战争和冲突事件的新闻句子。数据集包含多个特征，如class_index、text和多个以_开头的类别标签，这些标签都是二分类的。数据集分为train、valid和test三个部分，分别包含640、80和80个样本。

原始信息汇总

数据集概述

数据集特征

• class_index: 类别标签，数据类型为 class_label，标签名称为 0 和 1。
• text: 文本内容，数据类型为 string。
• _air: 类别标签，数据类型为 class_label，标签名称为 0 和 1。
• _cybersecurity: 类别标签，数据类型为 class_label，标签名称为 0 和 1。
• _domestic_unrest_violence: 类别标签，数据类型为 class_label，标签名称为 0 和 1。
• _extreme_weather: 类别标签，数据类型为 class_label，标签名称为 0 和 1。
• _forced_labor: 类别标签，数据类型为 class_label，标签名称为 0 和 1。
• _general_biz_trend: 类别标签，数据类型为 class_label，标签名称为 0 和 1。
• _later_report: 类别标签，数据类型为 class_label，标签名称为 0 和 1。
• _lawsuit_legal_insurance: 类别标签，数据类型为 class_label，标签名称为 0 和 1。
• _leisure_other_news: 类别标签，数据类型为 class_label，标签名称为 0 和 1。
• _maritime: 类别标签，数据类型为 class_label，标签名称为 0 和 1。
• _pandemics_large_scale_diseases: 类别标签，数据类型为 class_label，标签名称为 0 和 1。
• _railway: 类别标签，数据类型为 class_label，标签名称为 0 和 1。
• _strike: 类别标签，数据类型为 class_label，标签名称为 0 和 1。
• _trade_war_embargos_bans: 类别标签，数据类型为 class_label，标签名称为 0 和 1。
• _war_conflict: 类别标签，数据类型为 class_label，标签名称为 0 和 1。
• _warehouse_fire: 类别标签，数据类型为 class_label，标签名称为 0 和 1。
• labels: 标签序列，数据类型为 int64。

数据集分割

• train: 训练集，包含 640 个样本，总字节数为 266620。
• valid: 验证集，包含 80 个样本，总字节数为 33348。
• test: 测试集，包含 80 个样本，总字节数为 33277。

数据集大小

• 下载大小: 100323 字节。
• 数据集大小: 333245 字节。

许可

• license: MIT 许可证。

任务类别

• task_categories: 文本分类。

语言

• language: 英语。

数据集规模

• size_categories: 1K<n<10K。