iara-project/news_dataset_for_hdbscan

---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
dataset_info:
features:
- name: title
dtype: string
- name: text
dtype: string
- name: date
dtype: string
- name: category
dtype: string
- name: category_natural_language
dtype: string
- name: link
dtype: string
splits:
- name: train
num_bytes: 77001539
num_examples: 21933
- name: test
num_bytes: 76974994
num_examples: 21933
download_size: 96118980
dataset_size: 153976533
---
# Dataset Card for "news_dataset_for_hdbscan"

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

configs:
- 配置名称: default
数据文件:
- 拆分集: 训练集（train）
路径: data/train-*
- 拆分集: 测试集（test）
路径: data/test-*
数据集信息:
特征:
- 字段名: 标题（title）
数据类型: 字符串
- 字段名: 正文（text）
数据类型: 字符串
- 字段名: 日期（date）
数据类型: 字符串
- 字段名: 分类标识（category）
数据类型: 字符串
- 字段名: 自然语言分类名（category_natural_language）
数据类型: 字符串
- 字段名: 链接（link）
数据类型: 字符串
拆分集:
- 拆分集名称: 训练集（train）
总字节数: 77001539
样本数量: 21933
- 拆分集名称: 测试集（test）
总字节数: 76974994
样本数量: 21933
下载总大小: 96118980
数据集总占用大小: 153976533

# 「news_dataset_for_hdbscan」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

• 默认配置 (default)
  • 训练集 (train)：路径为 data/train-*
  • 测试集 (test)：路径为 data/test-*

数据集信息

特征

• title：字符串类型
• text：字符串类型
• date：字符串类型
• category：字符串类型
• category_natural_language：字符串类型
• link：字符串类型

数据分割

• 训练集 (train)
  • 字节数：77001539
  • 样本数：21933
• 测试集 (test)
  • 字节数：76974994
  • 样本数：21933

数据集大小

• 下载大小：96118980 字节
• 数据集大小：153976533 字节