Farjfar/SGS-politics-test

---
dataset_info:
features:
- name: body_cleaned
dtype: string
- name: id
dtype: string
- name: subreddit
dtype: string
- name: year
dtype: int64
- name: annotation1
dtype: string
- name: annotation2
dtype: string
- name: gold_annotation
dtype: string
- name: bio_annotation
sequence: string
- name: ids
sequence: int64
- name: tokenized_body_cleaned
sequence: string
- name: continuation
dtype: string
- name: first_two_sentences
dtype: string
- name: continuation_tokenized
sequence: string
- name: tokenized_length
dtype: int64
- name: ids_continuation
sequence: int64
splits:
- name: test
num_bytes: 2460979
num_examples: 403
download_size: 884016
dataset_size: 2460979
configs:
- config_name: default
data_files:
- split: test
path: data/test-*
---

数据集信息如下：
一、数据特征：
1. 清理后正文（body_cleaned）：字符串类型
2. 标识符（id）：字符串类型
3. Reddit子社区（subreddit）：字符串类型
4. 年份（year）：64位整型
5. 标注1（annotation1）：字符串类型
6. 标注2（annotation2）：字符串类型
7. 金标准标注（gold_annotation）：字符串类型
8. BIO标注（bio_annotation）：字符串序列类型
9. 标识符序列（ids）：64位整型序列类型
10. 清理后正文的Token化结果（tokenized_body_cleaned）：字符串序列类型
11. 续写文本（continuation）：字符串类型
12. 前两个句子（first_two_sentences）：字符串类型
13. 续写文本的Token化结果（continuation_tokenized）：字符串序列类型
14. Token化长度（tokenized_length）：64位整型
15. 续写文本标识符序列（ids_continuation）：64位整型序列类型
二、数据集划分：仅包含测试集（test），该划分的字节大小为2460979，样本总量为403。
三、相关尺寸参数：下载大小为884016字节，数据集总大小为2460979字节。
四、数据集配置：采用默认配置（default），其数据文件对应测试集划分，文件路径为data/test-*。

原始信息汇总

数据集概述

数据集特征

• body_cleaned: 数据类型 - string
• id: 数据类型 - string
• subreddit: 数据类型 - string
• year: 数据类型 - int64
• annotation1: 数据类型 - string
• annotation2: 数据类型 - string
• gold_annotation: 数据类型 - string
• bio_annotation: 数据类型 - sequence: string
• ids: 数据类型 - sequence: int64
• tokenized_body_cleaned: 数据类型 - sequence: string
• continuation: 数据类型 - string
• first_two_sentences: 数据类型 - string
• continuation_tokenized: 数据类型 - sequence: string
• tokenized_length: 数据类型 - int64
• ids_continuation: 数据类型 - sequence: int64

数据集分割

• 测试集 (test):
  • 数据大小: 2460979 字节
  • 示例数量: 403

数据集大小

• 下载大小: 884016 字节
• 数据集大小: 2460979 字节