AiresPucrs/proto-dataset

Proto Dataset是通过网络爬虫或从公共数据仓库（如Kaggle）获取的，包含3000个未标记的样本。数据集的主要特征是文本数据，语言为英语。数据集遵循Apache 2.0许可证。

原始信息汇总

数据集概述

基本信息

• 数据集名称: proto-dataset
• 语言: 英语
• 总大小: 2,999 样本

数据集详情

• 特征:
  • 名称: text
  • 数据类型: string
• 分割:
  • 名称: train
  • 字节数: 383820
  • 样本数: 2999
• 下载大小: 246138 字节
• 数据集大小: 383820 字节

内容

数据集包含一个数据框，具有以下列：

• text

示例数据： json { "text": "when modi promised “minimum government maximum governance” expected him begin the difficult job reforming the state why does it take years to get justice state should and not business and should exit psus and temples." }

使用方法

python from datasets import load_dataset

dataset = load_dataset(AiresPucrs/proto-dataset, split=train)

许可证

该数据集基于 Apache License 2.0 版本。