316usman/thematic2a-1-1-embed-part3

--- dataset_info: features: - name: text dtype: string - name: document_url dtype: string - name: source_url dtype: string - name: country dtype: string splits: - name: train num_bytes: 225829166 num_examples: 343113 download_size: 77861366 dataset_size: 225829166 configs: - config_name: default data_files: - split: train path: data/train-* ---数据集信息： #### 数据特征 1. `text`：字段类型为字符串（string），存储文本内容 2. `document_url`：字段类型为字符串（string），存储文档的访问链接 3. `source_url`：字段类型为字符串（string），存储数据源的访问链接 4. `country`：字段类型为字符串（string），存储数据所属国家的信息 #### 数据划分 训练集（train）： - 数据字节量：225829166 - 样本总数：343113 #### 核心统计指标 - 下载大小：77861366 字节 - 数据集总存储大小：225829166 字节 #### 数据集配置 默认配置（default）： - 数据文件关联：训练划分对应的数据文件路径为 `data/train-*`

原始信息汇总

数据集概述

数据集特征

• text：数据类型为字符串。
• document_url：数据类型为字符串。
• source_url：数据类型为字符串。
• country：数据类型为字符串。

数据集分割

• train：包含343,113个样本，总大小为225,829,166字节。

数据集大小

• 下载大小：77,861,366字节。
• 数据集总大小：225,829,166字节。

配置

• default：训练数据文件路径为data/train-*。