Shawn0069/resume_classification_kaggle

---
dataset_info:
features:
- name: ID
dtype: int64
- name: Resume_str
dtype: string
- name: Resume_html
dtype: string
- name: Category
dtype: string
- name: __index_level_0__
dtype: int64
splits:
- name: train
num_bytes: 43644580
num_examples: 1987
- name: test
num_bytes: 11175285
num_examples: 497
- name: validation
num_bytes: 11175285
num_examples: 497
download_size: 24410997
dataset_size: 65995150
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
- split: validation
path: data/validation-*
---

数据集信息：
特征：
- 名称：ID，数据类型：64位整数（int64）
- 名称：Resume_str，数据类型：字符串（string）
- 名称：Resume_html，数据类型：字符串（string）
- 名称：Category，数据类型：字符串（string）
- 名称：__index_level_0__，数据类型：64位整数（int64）
数据集拆分：
- 拆分名称：train（训练集），占用字节数：43644580，样本数量：1987
- 拆分名称：test（测试集），占用字节数：11175285，样本数量：497
- 拆分名称：validation（验证集），占用字节数：11175285，样本数量：497
下载总大小：24410997 字节，数据集总存储大小：65995150 字节
配置项：
- 配置名称：default（默认配置）
数据文件：
- 拆分：train（训练集），路径：data/train-*
- 拆分：test（测试集），路径：data/test-*
- 拆分：validation（验证集），路径：data/validation-*

原始信息汇总

数据集信息

特征

• ID: 数据类型为 int64
• Resume_str: 数据类型为 string
• Resume_html: 数据类型为 string
• Category: 数据类型为 string
• index_level_0: 数据类型为 int64

数据分割

• train: 包含 1987 个样本，总字节数为 43644580
• test: 包含 497 个样本，总字节数为 11175285
• validation: 包含 497 个样本，总字节数为 11175285

数据大小

• 下载大小: 24410997 字节
• 数据集大小: 65995150 字节

配置

• default 配置包含以下数据文件路径：
  • train: data/train-*
  • test: data/test-*
  • validation: data/validation-*

搜集汇总

背景与挑战

背景概述

该数据集是一个简历分类数据集，包含约3,000份简历的文本信息和分类标签。数据集采用表格和文本形式存储，已转换为parquet格式，适用于自然语言处理和分类任务。数据已分为训练、验证和测试集，便于模型开发和评估。