DuongTrongChi/test-tvpl

该数据集包含三个主要特征：urls、content和metadata。metadata是一个结构体，包含多个字段，如文档类型、发布日期、公告日期等。数据集包含一个名为train的分割，包含2000个示例，总大小为265594381字节。

原始信息汇总

数据集概述

数据集特征

• urls: 数据类型为字符串。
• content: 数据类型为字符串。
• metadata: 结构化数据，包含以下字段：
  • Loại văn bản:：数据类型为字符串。
  • Ngày ban hành:：数据类型为字符串。
  • Ngày công báo:：数据类型为字符串。
  • Ngày hiệu lực:：数据类型为字符串。
  • Ngày hợp nhất:：数据类型为字符串。
  • Người ký:：数据类型为字符串。
  • Nơi ban hành:：数据类型为字符串。
  • Số công báo:：数据类型为字符串。
  • Số hiệu:：数据类型为字符串。
  • Tình trạng:：数据类型为字符串。
• text: 数据类型为字符串。

数据集分割

• train:
  • 数据大小: 265594381 字节
  • 示例数量: 2000

数据集大小

• 下载大小: 48759980 字节
• 数据集总大小: 265594381 字节

配置

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