tiagoblima/newsdata_dataset

该数据集包含五个特征字段：title（标题）、text（文本内容）、category（类别）、title_text（标题与文本的组合）和label（标签，类型为int64）。数据集分为训练集、验证集和测试集，分别包含156288、6000和4000个样本。数据集的下载大小为616796951字节，总大小为959141397.0字节。

The dataset contains five feature fields: title, text, category, title_text, and label (of type int64). The dataset is divided into training, validation, and test sets, containing 156288, 6000, and 4000 samples respectively. The download size of the dataset is 616796951 bytes, and the total size is 959141397.0 bytes.

原始信息汇总

数据集概述

数据特征

• title: 字符串类型
• text: 字符串类型
• category: 字符串类型
• title_text: 字符串类型
• label: 64位整数类型

数据分割

• train:
  • 样本数: 156,288
  • 字节数: 901,461,865.2839411
• validation:
  • 样本数: 6,000
  • 字节数: 34,607,719.02963533
• test:
  • 样本数: 4,000
  • 字节数: 23,071,812.686423555

数据集大小

• 下载大小: 616,796,951 字节
• 数据集总大小: 959,141,397.0 字节

配置

• config_name: default
  • 数据文件路径:
    • train: data/train-*
    • validation: data/validation-*
    • test: data/test-*