316usman/thematic1a_rr_embed

---
dataset_info:
features:
- name: text
dtype: string
- name: document_url
dtype: string
- name: source_url
dtype: string
splits:
- name: train
num_bytes: 52421194
num_examples: 85206
download_size: 19619669
dataset_size: 52421194
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息（dataset_info）:
特征（features）:
- 名称（name）：文本（text），数据类型（dtype）：字符串（string）
- 名称（name）：文档链接（document_url），数据类型（dtype）：字符串（string）
- 名称（name）：来源链接（source_url），数据类型（dtype）：字符串（string）
数据集划分（splits）:
- 划分名称（name）：训练集（train），字节数：52421194，样本数量：85206
下载大小：19619669
数据集总大小：52421194
配置项（configs）:
- 配置名称（config_name）：默认（default），数据文件（data_files）:
- 划分（split）：训练集（train），路径（path）：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。

数据集分割

• 训练集（train）：
  • 示例数量：85206
  • 数据大小：52421194字节

数据集大小

• 下载大小：19619669字节
• 数据集总大小：52421194字节

配置信息

• 默认配置（default）：
  • 训练数据路径：data/train-*