filtered mixed data

该数据集包含文本信息，每个样本具有一个唯一标识符(id)、文本内容(text)、来源(source)、元数据(metadata)和词汇数量(num_tokens)。数据集被划分为训练集(train)，共有约88961637个示例，总大小为约386902088211字节。