gouthamsk/esp_idf_mined_data

---
dataset_info:
features:
- name: title
dtype: string
- name: author
dtype: string
- name: hostname
dtype: string
- name: date
dtype: string
- name: fingerprint
dtype: string
- name: id
dtype: 'null'
- name: license
dtype: 'null'
- name: comments
dtype: string
- name: raw_text
dtype: string
- name: text
dtype: string
- name: language
dtype: 'null'
- name: image
dtype: 'null'
- name: pagetype
dtype: 'null'
- name: source
dtype: string
- name: source-hostname
dtype: string
- name: excerpt
dtype: 'null'
- name: categories
dtype: string
- name: tags
dtype: string
splits:
- name: train
num_bytes: 9828038
num_examples: 102
download_size: 2949308
dataset_size: 9828038
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征字段：
- 字段名称：title，数据类型：字符串
- 字段名称：author，数据类型：字符串
- 字段名称：主机名（hostname），数据类型：字符串
- 字段名称：date，数据类型：字符串
- 字段名称：fingerprint（指纹标识），数据类型：字符串
- 字段名称：id，数据类型：空类型（null）
- 字段名称：许可证（license），数据类型：空类型（null）
- 字段名称：comments，数据类型：字符串
- 字段名称：原始文本（raw_text），数据类型：字符串
- 字段名称：text，数据类型：字符串
- 字段名称：语言（language），数据类型：空类型（null）
- 字段名称：图像（image），数据类型：空类型（null）
- 字段名称：页面类型（pagetype），数据类型：空类型（null）
- 字段名称：source（来源），数据类型：字符串
- 字段名称：源主机名（source-hostname），数据类型：字符串
- 字段名称：excerpt（摘要），数据类型：空类型（null）
- 字段名称：categories（分类标签），数据类型：字符串
- 字段名称：tags（标记词），数据类型：字符串
数据集划分：
- 划分名称：train，占用字节数：9828038，样本数量：102
下载大小：2949308
数据集存储大小：9828038
配置项：
- 配置名称：default，数据文件：
- 所属划分：train，文件路径：data/train-*

原始信息汇总

数据集概述

数据集特征

• title：字符串类型
• author：字符串类型
• hostname：字符串类型
• date：字符串类型
• fingerprint：字符串类型
• id：空值
• license：空值
• comments：字符串类型
• raw_text：字符串类型
• text：字符串类型
• language：空值
• image：空值
• pagetype：空值
• source：字符串类型
• source-hostname：字符串类型
• excerpt：空值
• categories：字符串类型
• tags：字符串类型

数据集分割

• train：
  • 数据量：9828038字节
  • 示例数量：102个

数据集大小

• 下载大小：2949308字节
• 数据集大小：9828038字节

配置

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