Wouter01/testdemoarticles

该数据集包含多个特征字段，如文章ID、标题、副标题、最后修改时间、是否为高级内容、正文、发布时间、图片ID、文章类型、URL、命名实体识别集群、实体组、主题、类别、子类别、类别字符串、总浏览量、总页面浏览量、总阅读时间、情感分数和情感标签等。数据集分为训练集，包含11777个样本，总大小为37159686字节，下载大小为21364342字节。

原始信息汇总

数据集概述

特征信息

• article_id: 文章ID，数据类型为 int32
• title: 标题，数据类型为 string
• subtitle: 副标题，数据类型为 string
• last_modified_time: 最后修改时间，数据类型为 timestamp[us]
• premium: 是否为付费内容，数据类型为 bool
• body: 文章内容，数据类型为 string
• published_time: 发布时间，数据类型为 timestamp[us]
• image_ids: 图片ID列表，数据类型为 sequence[int64]
• article_type: 文章类型，数据类型为 string
• url: 文章链接，数据类型为 string
• ner_clusters: 命名实体识别聚类，数据类型为 sequence[string]
• entity_groups: 实体组，数据类型为 sequence[string]
• topics: 主题，数据类型为 sequence[string]
• category: 分类，数据类型为 int16
• subcategory: 子分类，数据类型为 sequence[int16]
• category_str: 分类字符串，数据类型为 string
• total_inviews: 总浏览量，数据类型为 float64
• total_pageviews: 总页面浏览量，数据类型为 float64
• total_read_time: 总阅读时间，数据类型为 float32
• sentiment_score: 情感评分，数据类型为 float32
• sentiment_label: 情感标签，数据类型为 string

数据分割

• train: 训练集，包含 11777 个样本，占用 37159686 字节

数据集大小

• 下载大小: 21364342 字节
• 数据集大小: 37159686 字节

配置信息

• config_name: default
  • data_files:
    • split: train
    • path: data/train-*