jordanfan/processed_us_congress_117_bills_v2

---
dataset_info:
features:
- name: 'Unnamed: 0'
dtype: int64
- name: index
dtype: int64
- name: id
dtype: string
- name: policy_areas
dtype: string
- name: cur_summary
dtype: string
- name: cur_text
dtype: string
- name: title
dtype: string
- name: titles_official
dtype: string
- name: titles_short
dtype: string
- name: sponsor_name
dtype: string
- name: sponsor_party
dtype: string
- name: sponsor_state
dtype: string
- name: cleaned_summary
dtype: string
- name: extracted_text
dtype: string
- name: extracted_text_375
dtype: string
- name: extracted_text_750
dtype: string
- name: extracted_text_1000
dtype: string
splits:
- name: train
num_bytes: 371187381
num_examples: 11277
- name: val
num_bytes: 107701147
num_examples: 3388
- name: test
num_bytes: 17678977
num_examples: 377
download_size: 204648744
dataset_size: 496567505
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: val
path: data/val-*
- split: test
path: data/test-*
---

原始信息汇总

数据集概述

数据集特征

• Unnamed: 0: 数据类型为 int64
• index: 数据类型为 int64
• id: 数据类型为 string
• policy_areas: 数据类型为 string
• cur_summary: 数据类型为 string
• cur_text: 数据类型为 string
• title: 数据类型为 string
• titles_official: 数据类型为 string
• titles_short: 数据类型为 string
• sponsor_name: 数据类型为 string
• sponsor_party: 数据类型为 string
• sponsor_state: 数据类型为 string
• cleaned_summary: 数据类型为 string
• extracted_text: 数据类型为 string
• extracted_text_375: 数据类型为 string
• extracted_text_750: 数据类型为 string
• extracted_text_1000: 数据类型为 string

数据集划分

• 训练集 (train):
  • 数据量: 11277 条记录
  • 存储大小: 371187381 字节
• 验证集 (val):
  • 数据量: 3388 条记录
  • 存储大小: 107701147 字节
• 测试集 (test):
  • 数据量: 377 条记录
  • 存储大小: 17678977 字节

数据集大小

• 下载大小: 204648744 字节
• 数据集总大小: 496567505 字节

配置文件

• 默认配置 (default):
  • 训练集路径: data/train-*
  • 验证集路径: data/val-*
  • 测试集路径: data/test-*