316usman/thematic5d_rr

---
dataset_info:
features:
- name: text
dtype: string
- name: document_url
dtype: string
- name: source_url
dtype: string
- name: num_tokens
dtype: int64
splits:
- name: train
num_bytes: 60932281.96620649
num_examples: 93630
download_size: 22491092
dataset_size: 60932281.96620649
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

原始信息汇总

数据集概述

数据集特征

• text：文本类型，数据类型为字符串。
• document_url：文档URL，数据类型为字符串。
• source_url：来源URL，数据类型为字符串。
• num_tokens：标记数量，数据类型为整数（int64）。

数据集分割

• train：训练集，包含93630个示例，总字节数为60932281.96620649。

数据集大小

• 下载大小：22491092字节。
• 数据集大小：60932281.96620649字节。

配置

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