sunhaozhepy/ag_news_sbert_keywords_embeddings

该数据集包含文本内容、标签、关键词和关键词嵌入四个特征。标签分为World、Sports、Business、Sci/Tech四个类别。数据集分为训练集和测试集，训练集包含120,000个样本，测试集包含7,600个样本。数据集的下载大小为492,668,373字节，数据集大小为427,725,428字节。

原始信息汇总

数据集概述

数据集特征

• text: 数据类型为字符串。
• label: 数据类型为分类标签，包含以下类别：
  • 0: World
  • 1: Sports
  • 2: Business
  • 3: Sci/Tech
• keywords: 数据类型为字符串。
• keywords_embeddings: 数据类型为浮点数序列。

数据集分割

• train: 包含120000个样本，占用402257710字节。
• test: 包含7600个样本，占用25467718字节。

数据集大小

• 下载大小: 492668373字节。
• 数据集大小: 427725428字节。

配置

• default:
  • train: 文件路径为data/train-*。
  • test: 文件路径为data/test-*。