hieule/news_corpus_v2_p2

---
dataset_info:
features:
- name: source
dtype: string
- name: title
dtype: string
- name: sapo
dtype: string
- name: cates
dtype: 'null'
- name: publish
dtype: timestamp[us]
- name: text_content
dtype: string
splits:
- name: train
num_bytes: 18238489193
num_examples: 5000000
download_size: 9130800517
dataset_size: 18238489193
---
# Dataset Card for "news_corpus_v2_p2"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

数据集信息：
特征字段：
- 字段名：source，数据类型：字符串
- 字段名：title，数据类型：字符串
- 字段名：sapo，数据类型：字符串
- 字段名：cates，数据类型：空值
- 字段名：publish，数据类型：微秒级时间戳（timestamp[us]）
- 字段名：text_content，数据类型：字符串
数据划分：
- 划分名称：训练集（train），字节数：18238489193，样本量：5000000
下载大小：9130800517
数据集总大小：18238489193

# "news_corpus_v2_p2"数据集卡片

[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集名称

• 名称: news_corpus_v2_p2

数据集特征

• 特征列表:
  • source: 数据类型为字符串
  • title: 数据类型为字符串
  • sapo: 数据类型为字符串
  • cates: 数据类型为空
  • publish: 数据类型为时间戳（微秒）
  • text_content: 数据类型为字符串

数据集划分

• 训练集:
  • 样本数量: 5000000
  • 数据量: 18238489193 字节

数据集大小

• 下载大小: 9130800517 字节
• 数据集总大小: 18238489193 字节