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