316usman/thematic2b_rr

---
dataset_info:
features:
- name: text
dtype: string
- name: document_url
dtype: string
- name: source_url
dtype: string
- name: num_tokens
dtype: int64
splits:
- name: train
num_bytes: 353282256.62105334
num_examples: 541062
download_size: 122291478
dataset_size: 353282256.62105334
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

原始信息汇总

数据集概述

数据集特征

• text：文本类型，数据类型为字符串。
• document_url：文档URL，数据类型为字符串。
• source_url：来源URL，数据类型为字符串。
• num_tokens：标记数量，数据类型为整数64位。

数据集分割

• train：训练集，包含541,062个样本，总大小为353,282,256.62105334字节。

数据集大小

• 下载大小：122,291,478字节。
• 数据集总大小：353,282,256.62105334字节。

配置信息

• 配置名称：default
• 数据文件：
  • 分割：train
  • 路径：data/train-*