AndresR2909/climate_twitter_text_embeddings

---
dataset_info:
features:
- name: id
dtype: int64
- name: text
dtype: string
- name: embeddings
sequence: float64
- name: metadata
struct:
- name: date
dtype: string
- name: hashtags
dtype: string
- name: location
dtype: string
- name: search_hashtags
dtype: string
- name: sentiment1
dtype: string
- name: text
dtype: string
splits:
- name: train
num_bytes: 689396347
num_examples: 53399
download_size: 509488431
dataset_size: 689396347
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

• id：整数类型（int64）
• text：字符串类型（string）
• embeddings：序列类型，浮点数（float64）
• metadata：结构类型，包含以下字段：
  • date：字符串类型（string）
  • hashtags：字符串类型（string）
  • location：字符串类型（string）
  • search_hashtags：字符串类型（string）
  • sentiment1：字符串类型（string）
  • text：字符串类型（string）

数据集分割

• train：
  • 数据量：53399个样本
  • 存储大小：689396347字节

数据集大小

• 下载大小：509488431字节
• 数据集总大小：689396347字节

搜集汇总

背景与挑战

背景概述

该数据集包含约53.4k条气候话题相关的推特文本及其对应的嵌入向量，数据格式为parquet，总大小509 MB。每条数据包括文本内容、嵌入向量序列和元数据（如日期、位置和情感标签），适用于情感分析、文本分类等自然语言处理任务。