jganzabalseenka/news_2024-07-12_24hs

该数据集包含多个特征，如资产ID、中文标题、资产目的地、媒体类型、影响程度、时间戳、实体信息、关键词等。数据集主要用于训练模型，包含17843个样本，总大小为201476635字节。

This dataset includes multiple features such as asset ID, Chinese title, asset destination, media type, impact level, timestamps, entity information, keywords, etc. The dataset is primarily used for training models and contains 17,843 samples with a total size of 201,476,635 bytes.

原始信息汇总

数据集概述

数据集信息

特征

• asset_id: 整数类型
• title_ch: 字符串类型
• Asset Destination: 字符串类型
• media: 字符串类型
• impact: 整数类型
• start_time_utc: 时间戳类型
• start_time_local: 时间戳类型
• entities_curated: 字符串序列类型
• entities: 字符串序列类型
• predicted_at_entities: 时间戳类型
• entities_raw_transformers: 列表类型
  • entities: 列表类型
    • end: 整数类型
    • entity_group: 字符串类型
    • score: 浮点数类型
    • start: 整数类型
    • word: 字符串类型
  • text: 字符串类型
• entities_transformers: 字符串序列类型
• title: 字符串类型
• text: 字符串类型
• keywords: 字符串序列类型
• predicted_at_keywords: 时间戳类型
• truncated_text: 字符串类型
• title_and_text: 字符串类型
• prediction_delay_predictions: 浮点数类型
• prediction_delay: 浮点数类型

数据分割

• train:
  • 字节数: 201476635
  • 样本数: 17843

数据集大小

• 下载大小: 106943044 字节
• 数据集大小: 201476635 字节

配置

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