jganzabalseenka/news_2023-12-25_24hs

该数据集包含与资产相关的新闻或文章信息，主要特征包括资产ID、中文标题、媒体来源、影响程度、时间戳、实体信息、预测时间、关键词等。数据集的结构较为复杂，包含嵌套的列表和序列类型，用于存储文本内容、实体识别结果、关键词提取结果等信息。训练集包含2560个样本，文件大小为28979253字节。

This dataset contains news or article information related to assets, with main features including asset ID, Chinese title, media source, impact level, timestamps, entity information, prediction time, keywords, etc. The dataset has a complex structure, including nested lists and sequence types, used to store text content, entity recognition results, keyword extraction results, and more. The training set contains 2560 samples with a file size of 28979253 bytes.

原始信息汇总

数据集概述

数据集信息

特征

• asset_id: 数据类型为 int64
• title_ch: 数据类型为 string
• media: 数据类型为 string
• impact: 数据类型为 int64
• start_time_utc: 数据类型为 timestamp[ns]
• start_time_local: 数据类型为 timestamp[ns]
• entities_curated: 数据类型为 sequence: string
• entities: 数据类型为 sequence: string
• predicted_at_entities: 数据类型为 timestamp[ns]
• entities_raw_transformers: 数据类型为 list，包含以下子特征：
  • entities: 数据类型为 list，包含以下子特征：
    • end: 数据类型为 int64
    • entity_group: 数据类型为 string
    • score: 数据类型为 float64
    • start: 数据类型为 int64
    • word: 数据类型为 string
  • text: 数据类型为 string
• entities_transformers: 数据类型为 sequence: string
• title: 数据类型为 string
• text: 数据类型为 string
• keywords: 数据类型为 sequence: string
• predicted_at_keywords: 数据类型为 timestamp[ns]
• truncated_text: 数据类型为 string
• title_and_text: 数据类型为 string
• prediction_delay_predictions: 数据类型为 float64
• prediction_delay: 数据类型为 float64

数据分割

• train: 包含 2560 个样本，占用 28979253 字节

数据集大小

• 下载大小: 15500487 字节
• 数据集大小: 28979253 字节

配置

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