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