RogerB/clean-unsupervised-kin-tweets

---
dataset_info:
features:
- name: preprocessed_cased
dtype: string
- name: preprocessed_uncased
dtype: string
splits:
- name: train
num_bytes: 10103300
num_examples: 45138
download_size: 7301533
dataset_size: 10103300
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "clean-unsupervised-kin-tweets"

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

---
数据集信息：
字段特征：
- 字段名：预处理保留大小写文本（preprocessed_cased），数据类型：字符串
- 字段名：预处理不区分大小写文本（preprocessed_uncased），数据类型：字符串
数据划分：
- 划分名称：训练集（train），字节数：10103300，样本数：45138
下载大小：7301533
数据集总大小：10103300
配置项：
- 配置名称：默认配置（default），数据文件：
- 对应划分：训练集（train），文件路径：data/train-*
---

# "clean-unsupervised-kin-tweets"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

数据特征

• preprocessed_cased: 字符串类型
• preprocessed_uncased: 字符串类型

数据分割

• train:
  • 字节数: 10103300
  • 样本数: 45138

数据大小

• 下载大小: 7301533
• 数据集大小: 10103300

配置

• default:
  • 数据文件:
    • 分割: train
    • 路径: data/train-*