sunhaozhepy/ag_news_rake_keywords

该数据集包含文本数据，每个样本由三个字段组成：text（文本内容）、label（标签，分为World、Sports、Business、Sci/Tech四个类别）和keywords（关键词）。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26,961,660字节，总大小为42,623,146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。

数据集分割

• train: 包含40,094,650字节，120,000个样本。
• test: 包含2,528,496字节，7,600个样本。

数据集大小

• 下载大小: 26,961,660字节。
• 数据集大小: 42,623,146字节。

配置信息

• config_name: default
  • data_files:
    • train: 路径为data/train-*
    • test: 路径为data/test-*