jganzabalseenka/news_2024-07-15_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、UTC和本地开始时间、实体信息、预测时间、原始实体转换器、文本、关键词、截断文本、标题和文本组合、预测延迟等。数据集分为训练集，包含12960个样本，总大小为147732241字节。

The dataset includes multiple features such as asset ID, Chinese title, asset destination, media type, impact level, UTC and local start time, entity information, prediction time, raw entity transformers, text, keywords, truncated text, title and text combination, prediction delay, etc. The dataset is divided into a training set containing 12960 samples with a total size of 147732241 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: 147732241
  • 样本数: 12960

数据集大小

• 下载大小: 76290409 字节
• 数据集大小: 147732241 字节

配置

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