316usman/thematic1dembed

---
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: 109149991
num_examples: 147747
download_size: 32580040
dataset_size: 109149991
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

---
许可证：BSD许可证
数据集信息：
特征字段：
- 字段名：文本（text），数据类型：字符串（string）
- 字段名：主题（thematic），数据类型：字符串（string）
- 字段名：子主题（sub-thematic），数据类型：字符串（string）
- 字段名：国家（country），数据类型：字符串（string）
- 字段名：文档链接（document_url），数据类型：字符串（string）
- 字段名：来源链接（source_url），数据类型：字符串（string）
数据集拆分：
- 拆分名称：训练集（train），字节占用量：109149991，样本总数：147747
下载大小：32580040
数据集存储总大小：109149991
配置项：
- 配置名称：默认配置（default），数据文件：
- 所属拆分：训练集（train），文件路径：data/train-*
---

原始信息汇总

数据集概述

数据特征

• 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147747个样本，占用109149991字节。

数据集大小

• 下载大小: 32580040字节。
• 数据集大小: 109149991字节。

配置

• default:
  • 数据文件路径: data/train-*