mhenrichsen/hestenettet

数据集hestenettet是Gigaword的一个子集，包含文本、来源、文档ID、许可证、URI、构建日期和一个索引级别等特征。数据集仅包含训练分割，共有14498个示例，总大小为1227838360字节。

原始信息汇总

数据集概述

数据集信息

• 特征列表:

  • text: 文本内容，数据类型为字符串。
  • source: 数据来源，数据类型为字符串。
  • doc_id: 文档ID，数据类型为字符串。
  • LICENSE: 许可证信息，数据类型为字符串。
  • uri: URI信息，数据类型为字符串。
  • date_built: 构建日期，数据类型为字符串。
  • __index_level_0__: 索引级别，数据类型为int64。

• 数据分割:

  • train: 训练集，包含14498个样本，总字节数为1227838360。

• 数据集大小:

  • 下载大小: 747772002字节
  • 数据集大小: 1227838360字节

配置信息

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