Luciano/victor_lrec_2020_small

---
dataset_info:
features:
- name: themes
dtype: string
- name: process_id
dtype: string
- name: file_name
dtype: string
- name: document_type
dtype: string
- name: pages
dtype: int64
- name: body
dtype: string
splits:
- name: train
num_bytes: 219095295
num_examples: 149217
- name: validation
num_bytes: 139364099
num_examples: 94735
- name: test
num_bytes: 140516696
num_examples: 95526
download_size: 154894289
dataset_size: 498976090
---
# Dataset Card for "victor_lrec_2020_small"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

数据集信息：
特征列表：
- 名称：主题（themes），数据类型：字符串
- 名称：处理ID（process_id），数据类型：字符串
- 名称：文件名（file_name），数据类型：字符串
- 名称：文档类型（document_type），数据类型：字符串
- 名称：页数（pages），数据类型：int64
- 名称：正文内容（body），数据类型：字符串
数据集划分：
- 划分名称：训练集（train），字节大小：219095295，样本数量：149217
- 划分名称：验证集（validation），字节大小：139364099，样本数量：94735
- 划分名称：测试集（test），字节大小：140516699，样本数量：95526
下载总大小：154894289 字节，数据集总存储大小：498976090 字节

---
# 「victor_lrec_2020_small」数据集卡片

[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集名称

• 名称: victor_lrec_2020_small

数据集特征

• 特征列表:
  • themes: 数据类型为字符串
  • process_id: 数据类型为字符串
  • file_name: 数据类型为字符串
  • document_type: 数据类型为字符串
  • pages: 数据类型为整数
  • body: 数据类型为字符串

数据集分割

• 训练集:
  • 数据量: 219,095,295字节
  • 样本数: 149,217
• 验证集:
  • 数据量: 139,364,099字节
  • 样本数: 94,735
• 测试集:
  • 数据量: 140,516,696字节
  • 样本数: 95,526

数据集大小

• 下载大小: 154,894,289字节
• 总数据集大小: 498,976,090字节