marceloslo/2021

---
dataset_info:
features:
- name: timestamp
dtype: timestamp[s]
- name: url
dtype: string
- name: content
dtype: string
splits:
- name: train
num_bytes: 43469302808
num_examples: 15000000
download_size: 27027255921
dataset_size: 43469302808
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征项：
- 名称：时间戳（timestamp），数据类型：秒级时间戳（timestamp[s]）
- 名称：统一资源定位符（Uniform Resource Locator，URL），数据类型：字符串
- 名称：内容（content），数据类型：字符串
数据集划分：
- 划分名称：训练集（train），占用字节数：43469302808，样本总数：15000000
下载大小：27027255921
数据集总大小：43469302808
配置项：
- 配置名称：默认（default），数据文件：
- 对应划分：训练集（train），文件路径：data/train-*

原始信息汇总

数据集概述

数据集特征

• timestamp：时间戳，数据类型为秒。
• url：网址，数据类型为字符串。
• content：内容，数据类型为字符串。

数据集分割

• 训练集：包含15000000个样本，总大小为43469302808字节。

数据集大小

• 下载大小：27027255921字节。
• 数据集总大小：43469302808字节。

配置

• 默认配置：
  • 训练数据路径：data/train-*