316usman/thematic2e

---
license: bsd
dataset_info:
features:
- name: text
dtype: string
- name: thematic
dtype: string
- name: sub-thematic
dtype: string
- name: country
dtype: string
- name: document_url
dtype: string
- name: source_url
dtype: string
splits:
- name: train
num_bytes: 15584113
num_examples: 21663
download_size: 4769315
dataset_size: 15584113
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

许可证：BSD许可证
数据集信息：
特征列：
- 字段名：文本（text），数据类型（dtype）：字符串（string）
- 字段名：主题（thematic），数据类型（dtype）：字符串（string）
- 字段名：子主题（sub-thematic），数据类型（dtype）：字符串（string）
- 字段名：国家（country），数据类型（dtype）：字符串（string）
- 字段名：文档链接（document_url），数据类型（dtype）：字符串（string）
- 字段名：来源链接（source_url），数据类型（dtype）：字符串（string）
数据拆分：
- 拆分名称：训练集（train），字节大小：15584113，样本数量：21663
下载大小：4769315
数据集总大小：15584113
配置项：
- 配置名称：default（默认配置），数据文件：
- 数据拆分：训练集（train），文件路径：data/train-*

原始信息汇总

数据集概述

特征信息

• text: 数据类型为字符串。
• thematic: 数据类型为字符串。
• sub-thematic: 数据类型为字符串。
• country: 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。

数据分割

• train: 包含21663个样本，总字节数为15584113。

数据集大小

• 下载大小: 4769315字节。
• 数据集大小: 15584113字节。

配置信息

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