jganzabalseenka/news_2024-06-15_24hs

该数据集包含多个字段，如资产ID、中文标题、媒体来源、影响程度、开始时间（UTC和本地时间）、实体识别结果、关键词、预测延迟等。数据集主要用于训练，包含5973个样本，总大小为70402194字节。

The dataset includes multiple fields such as asset ID, Chinese title, media source, impact level, start time (UTC and local time), entity recognition results, keywords, prediction delay, etc. The dataset is primarily used for training, containing 5973 samples with a total size of 70402194 bytes.

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
• 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
• entities: 字符串序列
• 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
• title: 字符串类型
• text: 字符串类型
• keywords: 字符串序列
• 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: 70402194
  • 样本数: 5973

数据集大小

• 下载大小: 37360971 字节
• 数据集大小: 70402194 字节

配置

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