tanguyrenaudie/msdmanual_patients

---
dataset_info:
features:
- name: id
dtype: string
- name: url
dtype: string
- name: section
dtype: string
- name: title
dtype: string
- name: text_raw
dtype: string
- name: text_clean
dtype: string
- name: __index_level_0__
dtype: int64
splits:
- name: train
num_bytes: 37252603
num_examples: 2550
download_size: 17295370
dataset_size: 37252603
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征列：
- 名称：id，数据类型：字符串（string）
- 名称：url，数据类型：字符串（string）
- 名称：section，数据类型：字符串（string）
- 名称：title，数据类型：字符串（string）
- 名称：text_raw，数据类型：字符串（string）
- 名称：text_clean，数据类型：字符串（string）
- 名称：__index_level_0__，数据类型：64位整型（int64）
数据集划分：
- 划分名称：train，占用字节数：37252603，样本数：2550
下载大小：17295370，数据集总大小：37252603
数据集配置：
- 配置名称：default，数据文件：
- 对应划分：train，路径：data/train-*

原始信息汇总

数据集概述

数据集特征

• id：数据类型为字符串。
• url：数据类型为字符串。
• section：数据类型为字符串。
• title：数据类型为字符串。
• text_raw：数据类型为字符串。
• text_clean：数据类型为字符串。
• index_level_0：数据类型为int64。

数据集分割

• train：包含2550个样本，总大小为37252603字节。

数据集大小

• 下载大小：17295370字节。
• 数据集总大小：37252603字节。

配置

• default：训练数据文件路径为data/train-*。