316usman/thematic4d-pw-embed-part3

该数据集包含616,322个训练样本，每个样本具有文本、国家、文档URL、来源URL和令牌数量等特征。数据集的总大小为408,114,269字节，下载大小为154,413,613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。
• 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。
• num_tokens：数据类型为int64。

数据集分割

• train：
  • 数据量：408114269字节
  • 示例数量：616322

数据集大小

• 下载大小：154413613字节
• 数据集大小：408114269字节

配置信息

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