espoir/congo-cd-news-dataset

---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
dataset_info:
features:
- name: title
dtype: string
- name: content
dtype: string
- name: summary
dtype: 'null'
- name: posted_at
dtype: timestamp[ns]
- name: website_origin
dtype: string
- name: __index_level_0__
dtype: int64
splits:
- name: train
num_bytes: 132575998.87505311
num_examples: 118623
- name: test
num_bytes: 33144279.124946892
num_examples: 29656
download_size: 97840693
dataset_size: 165720278.0
---
# Dataset Card for "congo-cd-news-dataset"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

### 配置项：
- 配置名称：default（默认配置）
数据文件配置：
- 划分集：训练集（train），文件路径：`data/train-*`
- 划分集：测试集（test），文件路径：`data/test-*`

## 数据集信息
特征字段如下：
- 字段名：标题（title），数据类型：字符串（string）
- 字段名：正文内容（content），数据类型：字符串（string）
- 字段名：摘要（summary），数据类型：空值（null）
- 字段名：发布时间（posted_at），数据类型：纳秒级时间戳（timestamp[ns]）
- 字段名：来源网站（website_origin），数据类型：字符串（string）
- 字段名：`__index_level_0__`，数据类型：64位整数（int64）

## 数据集划分
- 划分名称：训练集（train），总字节数：132575998.87505311，样本总量：118623
- 划分名称：测试集（test），总字节数：33144279.124946892，样本总量：29656
总下载大小：97840693，数据集总存储大小：165720278.0

---
# 「congo-cd-news-dataset」数据集卡片
[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集配置

• 配置名称: default
  • 数据文件:
    • 训练集 (train): data/train-*
    • 测试集 (test): data/test-*

数据集信息

• 特征:

  • 名称: title
    • 数据类型: string
  • 名称: content
    • 数据类型: string
  • 名称: summary
    • 数据类型: null
  • 名称: posted_at
    • 数据类型: timestamp[ns]
  • 名称: website_origin
    • 数据类型: string
  • 名称: index_level_0
    • 数据类型: int64

• 数据分割:

  • 训练集 (train):
    • 字节数: 132575998.87505311
    • 样本数: 118623
  • 测试集 (test):
    • 字节数: 33144279.124946892
    • 样本数: 29656

• 下载大小: 97840693

• 数据集大小: 165720278.0