316usman/thematic2aembed

---
license: bsd
dataset_info:
features:
- name: text
dtype: string
- name: thematic
dtype: string
- name: sub-thematic
dtype: string
- name: country
dtype: string
- name: document_url
dtype: string
- name: source_url
dtype: string
splits:
- name: train
num_bytes: 691745022
num_examples: 908625
download_size: 205106568
dataset_size: 691745022
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

许可证：BSD许可证（BSD License）
数据集信息：
特征项：
- 特征名称：文本（text），数据类型：字符串（string）
- 特征名称：主题（thematic），数据类型：字符串（string）
- 特征名称：子主题（sub-thematic），数据类型：字符串（string）
- 特征名称：国家（country），数据类型：字符串（string）
- 特征名称：文档链接（document_url），数据类型：字符串（string）
- 特征名称：来源链接（source_url），数据类型：字符串（string）
数据划分：
- 划分名称：训练集（train），字节数：691745022，样本数量：908625
下载大小：205106568
数据集总大小：691745022
配置项：
- 配置名称：默认（default），数据文件：
- 划分：训练集（train），路径：data/train-*

原始信息汇总

数据集概述

数据集信息

特征

• text: 数据类型为字符串。
• thematic: 数据类型为字符串。
• sub-thematic: 数据类型为字符串。
• country: 数据类型为字符串。
• document_url: 数据类型为字符串。
• source_url: 数据类型为字符串。

数据分割

• train: 包含908625个样本，占用691745022字节。

数据集大小

• 下载大小: 205106568字节。
• 数据集大小: 691745022字节。

配置

• default: 包含训练数据文件，路径为data/train-*。