KaiserML/Techie_Urls

---
dataset_info:
features:
- name: lens_id
dtype: string
- name: title
dtype: string
- name: pdf_urls
sequence: string
- name: domain
sequence: string
- name: __index_level_0__
dtype: int64
splits:
- name: train
num_bytes: 105864149
num_examples: 423860
download_size: 53793459
dataset_size: 105864149
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征：
- 名称：lens_id，数据类型：字符串
- 名称：title，数据类型：字符串
- 名称：pdf_urls，数据类型：字符串序列
- 名称：domain，数据类型：字符串序列
- 名称：__index_level_0__，数据类型：64位整数
数据集拆分：
- 拆分名称：train（训练集），占用字节数：105864149，样本总数：423860
下载总大小：53793459
数据集存储总大小：105864149
配置项：
- 配置名称：default（默认配置）
数据文件：
- 对应拆分：train（训练集），文件路径：data/train-*

原始信息汇总

数据集概述

特征信息

• lens_id: 数据类型为字符串。
• title: 数据类型为字符串。
• pdf_urls: 数据类型为字符串序列。
• domain: 数据类型为字符串序列。
• index_level_0: 数据类型为整数（int64）。

数据分割

• train: 包含423860个样本，占用105864149字节。

数据集大小

• 下载大小: 53793459字节。
• 数据集大小: 105864149字节。

配置信息

• default:
  • 数据文件路径: data/train-*
  • 分割: train