316usman/thematic3aembed-part3

---
dataset_info:
features:
- name: text
dtype: string
- name: thematic
dtype: string
- name: sub-thematic
dtype: string
- name: country
dtype: string
- name: document_url
dtype: string
- name: source_url
dtype: string
- name: category
dtype: string
- name: keep
dtype: bool
splits:
- name: train
num_bytes: 152761680
num_examples: 207955
download_size: 45355368
dataset_size: 152761680
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

原始信息汇总

数据集信息

特征

• text: 数据类型为字符串。
• thematic: 数据类型为字符串。
• sub-thematic: 数据类型为字符串。
• country: 数据类型为字符串。
• document_url: 数据类型为字符串。
• source_url: 数据类型为字符串。
• category: 数据类型为字符串。
• keep: 数据类型为布尔值。

数据分割

• train: 包含207955个样本，总字节数为152761680。

数据集大小

• 下载大小: 45355368字节。
• 数据集大小: 152761680字节。

配置

• default:
  • 数据文件:
    • split: train
    • path: data/train-*