jganzabalseenka/news_2024-07-20_24hs

该数据集包含多个特征字段，如资产ID、中文标题、资产目的地、媒体、影响程度、时间戳、实体信息、关键词等。数据集主要用于训练，包含11817个样本，总大小为136996958字节。

The dataset includes multiple features such as asset ID, Chinese title, asset destination, media type, impact level, timestamps, and more. It also contains entity information, keywords, prediction delays, etc. The dataset is divided into a training set with 11,817 samples. The size and download size of the dataset are also provided.

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: 136996958
  • 样本数: 11817

数据集大小

• 下载大小: 72261988 字节
• 数据集大小: 136996958 字节

配置

• default:
  • 数据文件路径: data/train-*