K-Monitor/kmdb_classification

该数据集包含了文本内容、标题、描述、关键词、标签、URL、日期、是否手工标注、分数、标题分数以及报纸名称等字段。数据集被划分为训练集，共包含104,286个示例，数据集大小为415,806,640.05548567字节。

The dataset includes fields such as text content, title, description, keywords, label, URL, date, whether it is manually annotated, score, title score, and newspaper name. The dataset is divided into a training set, containing 104,286 examples, with a total size of 415,806,640.05548567 bytes.

原始信息汇总

数据集概述

数据集特征

• text: 字符串类型
• title: 字符串类型
• description: 字符串类型
• keywords: 字符串序列
• label: 整数类型
• url: 字符串类型
• date: 字符串类型
• is_hand_annoted: 布尔类型
• score: 浮点数类型
• title_score: 浮点数类型

数据集划分

• 训练集:
  • 示例数: 48498
  • 字节数: 197423231
• 验证集:
  • 示例数: 6579
  • 字节数: 25309037
• 测试集:
  • 示例数: 3605
  • 字节数: 13542701

数据集大小

• 下载大小: 145726868 字节
• 数据集总大小: 236274969 字节

数据文件配置

• 默认配置:
  • 训练集路径: data/train-*
  • 验证集路径: data/validation-*
  • 测试集路径: data/test-*