ilsilfverskiold/tech-keywords-topics-summary

---
dataset_info:
features:
- name: id
dtype: string
- name: source
dtype: string
- name: text
dtype: string
- name: timestamp
dtype: string
- name: reactions
dtype: int64
- name: engagement
dtype: int64
- name: url
dtype: string
- name: text_length
dtype: int64
- name: keywords
dtype: string
- name: topic
dtype: string
- name: summary
dtype: string
- name: __index_level_0__
dtype: int64
splits:
- name: train
num_bytes: 3397963
num_examples: 7196
- name: validation
num_bytes: 298115
num_examples: 635
- name: test
num_bytes: 302271
num_examples: 635
download_size: 2438815
dataset_size: 3998349
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---

原始信息汇总

数据集概述

数据特征

• id: 数据类型为字符串。
• source: 数据类型为字符串。
• text: 数据类型为字符串。
• timestamp: 数据类型为字符串。
• reactions: 数据类型为整数（int64）。
• engagement: 数据类型为整数（int64）。
• url: 数据类型为字符串。
• text_length: 数据类型为整数（int64）。
• keywords: 数据类型为字符串。
• topic: 数据类型为字符串。
• summary: 数据类型为字符串。
• index_level_0: 数据类型为整数（int64）。

数据分割

• train: 包含7196个样本，总字节数为3397963。
• validation: 包含635个样本，总字节数为298115。
• test: 包含635个样本，总字节数为302271。

数据集大小

• 下载大小: 2438815字节。
• 数据集大小: 3998349字节。

配置

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