316usman/thematic5d_rr_embed

---
dataset_info:
features:
- name: text
dtype: string
- name: document_url
dtype: string
- name: source_url
dtype: string
splits:
- name: train
num_bytes: 60575838
num_examples: 95157
download_size: 22323460
dataset_size: 60575838
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征项：
- 文本（text）字段，数据类型为字符串（string）
- 文档链接（document_url）字段，数据类型为字符串（string）
- 来源链接（source_url）字段，数据类型为字符串（string）
数据划分：
- 训练集（train）：占用字节数为60575838，样本总数为95157
下载总大小：22323460
数据集存储总大小：60575838
配置项：
- 默认配置（default）：
数据文件：
- 对应训练集拆分的数据文件路径为 data/train-*

原始信息汇总

数据集概述

数据集特征

• text：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。

数据集划分

• 训练集（train）：
  • 示例数量：95157
  • 数据大小：60575838字节

数据集大小

• 下载大小：22323460字节
• 数据集总大小：60575838字节

配置信息

• 默认配置（default）：
  • 训练数据路径：data/train-*