316usman/thematic5a_rr_embed

---
dataset_info:
features:
- name: text
dtype: string
- name: document_url
dtype: string
- name: source_url
dtype: string
splits:
- name: train
num_bytes: 91171605
num_examples: 145890
download_size: 32744376
dataset_size: 91171605
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征项：
- 字段名：文本（text），数据类型：字符串
- 字段名：文档链接（document_url），数据类型：字符串
- 字段名：来源链接（source_url），数据类型：字符串
数据拆分：
- 拆分名称：训练集（train），占用字节数：91171605，样本数量：145890
下载大小：32744376
数据集总大小：91171605
配置项：
- 配置名称：默认（default），数据文件：
- 拆分：训练集（train），路径：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。

数据集划分

• train:
  • 数据大小: 91171605 字节
  • 示例数量: 145890

数据集大小

• 下载大小: 32744376 字节
• 数据集总大小: 91171605 字节

配置信息

• config_name: default
• data_files:
  • split: train
  • path: data/train-*