harryph/viwiki

该数据集包含文本数据，主要特征包括id、url、title和text。数据集分为训练集和测试集，训练集包含1,275,793个样本，测试集包含12,887个样本。数据集的下载大小为845,896,750字节，总大小为1,617,830,227字节。

This dataset contains text data with main features including id, url, title, and text. The dataset is divided into a training set and a test set, with the training set containing 1,275,793 samples and the test set containing 12,887 samples. The download size of the dataset is 845,896,750 bytes, and the total size is 1,617,830,227 bytes.

原始信息汇总

数据集概述

特征信息

• id: 数据类型为字符串。
• url: 数据类型为字符串。
• title: 数据类型为字符串。
• text: 数据类型为字符串。

数据分割

• train:
  • 字节数: 1601651673.6466858
  • 样本数: 1275793
• test:
  • 字节数: 16178553.353314243
  • 样本数: 12887

数据集大小

• 下载大小: 845896750 字节
• 数据集总大小: 1617830227.0 字节

配置信息

• config_name: default
  • 数据文件:
    • train: data/train-*
    • test: data/test-*