siacus/huff2

---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
- split: eval
path: data/eval-*
dataset_info:
features:
- name: link
dtype: string
- name: headline
dtype: string
- name: category
dtype: string
- name: short_description
dtype: string
- name: authors
dtype: string
- name: date
dtype: string
- name: id
dtype: string
- name: text
dtype: string
- name: label
dtype:
class_label:
names:
'0': U.S. NEWS
'1': COMEDY
'2': PARENTING
'3': WORLD NEWS
'4': CULTURE & ARTS
'5': TECH
'6': SPORTS
'7': ENTERTAINMENT
'8': POLITICS
'9': WEIRD NEWS
'10': ENVIRONMENT
'11': EDUCATION
'12': CRIME
'13': SCIENCE
'14': WELLNESS
'15': BUSINESS
'16': STYLE & BEAUTY
'17': FOOD & DRINK
'18': MEDIA
'19': QUEER VOICES
'20': HOME & LIVING
'21': WOMEN
'22': BLACK VOICES
'23': TRAVEL
'24': MONEY
'25': RELIGION
'26': LATINO VOICES
'27': IMPACT
'28': WEDDINGS
'29': COLLEGE
'30': PARENTS
'31': ARTS & CULTURE
'32': STYLE
'33': GREEN
'34': TASTE
'35': HEALTHY LIVING
'36': THE WORLDPOST
'37': GOOD NEWS
'38': WORLDPOST
'39': FIFTY
'40': ARTS
'41': DIVORCE
splits:
- name: train
num_bytes: 2184054
num_examples: 2100
- name: test
num_bytes: 2196326
num_examples: 2100
- name: eval
num_bytes: 2196326
num_examples: 2100
download_size: 1979356
dataset_size: 6576706
---
# Dataset Card for "huff2"

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

---
## 配置项
- 配置名称：default（默认配置）
数据文件列表：
- 数据拆分：训练集（train），文件路径：`data/train-*`
- 数据拆分：测试集（test），文件路径：`data/test-*`
- 数据拆分：验证集（eval），文件路径：`data/eval-*`

## 数据集信息
### 特征字段
各字段的定义与数据类型如下：
1. `link`：字符串类型，对应新闻来源链接
2. `headline`：字符串类型，对应新闻标题
3. `category`：字符串类型，对应新闻人工标注分类
4. `short_description`：字符串类型，对应新闻简短摘要
5. `authors`：字符串类型，对应新闻作者信息
6. `date`：字符串类型，对应新闻发布日期
7. `id`：字符串类型，对应数据唯一标识编号
8. `text`：字符串类型，对应新闻正文内容
9. `label`：类别标签（class_label），标签与分类名称的映射关系如下：
- 0: 美国新闻（U.S. NEWS）
- 1: 喜剧（COMEDY）
- 2: 育儿（PARENTING）
- 3: 国际新闻（WORLD NEWS）
- 4: 文化与艺术（CULTURE & ARTS）
- 5: 科技（TECH）
- 6: 体育（SPORTS）
- 7: 娱乐（ENTERTAINMENT）
- 8: 政治（POLITICS）
- 9: 奇闻趣事（WEIRD NEWS）
- 10: 环境（ENVIRONMENT）
- 11: 教育（EDUCATION）
- 12: 犯罪（CRIME）
- 13: 科学（SCIENCE）
- 14: 健康养生（WELLNESS）
- 15: 商业（BUSINESS）
- 16: 风格与美妆（STYLE & BEAUTY）
- 17: 饮食与美食（FOOD & DRINK）
- 18: 媒体（MEDIA）
- 19: 酷儿之声（QUEER VOICES）
- 20: 家居与生活（HOME & LIVING）
- 21: 女性话题（WOMEN）
- 22: 黑人之声（BLACK VOICES）
- 23: 旅游（TRAVEL）
- 24: 财经（MONEY）
- 25: 宗教（RELIGION）
- 26: 拉丁裔之声（LATINO VOICES）
- 27: 影响力报道（IMPACT）
- 28: 婚礼（WEDDINGS）
- 29: 大学教育（COLLEGE）
- 30: 父母话题（PARENTS）
- 31: 艺术与文化（ARTS & CULTURE）
- 32: 时尚（STYLE）
- 33: 环保（GREEN）
- 34: 品味生活（TASTE）
- 35: 健康生活方式（HEALTHY LIVING）
- 36: 《世界邮报》（THE WORLDPOST）
- 37: 正能量新闻（GOOD NEWS）
- 38: 世界邮报（WORLDPOST）
- 39: 中老年话题（FIFTY，针对50岁以上群体）
- 40: 艺术（ARTS）
- 41: 离婚话题（DIVORCE）

### 数据拆分统计
各子集的字节大小与样本量如下：
- 训练集（train）：字节数2184054，样本数量2100
- 测试集（test）：字节数2196326，样本数量2100
- 验证集（eval）：字节数2196326，样本数量2100

### 整体数据集规模
下载总大小：1979356 字节
数据集总存储大小：6576706 字节
---

# "huff2"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

配置

• 默认配置：
  • 数据文件：
    • 训练集：data/train-*
    • 测试集：data/test-*
    • 评估集：data/eval-*

数据特征

• 特征列表：
  • link：字符串类型
  • headline：字符串类型
  • category：字符串类型
  • short_description：字符串类型
  • authors：字符串类型
  • date：字符串类型
  • id：字符串类型
  • text：字符串类型
  • label：分类标签
    • 类别名称：
      • 0: U.S. NEWS
      • 1: COMEDY
      • 2: PARENTING
      • 3: WORLD NEWS
      • 4: CULTURE & ARTS
      • 5: TECH
      • 6: SPORTS
      • 7: ENTERTAINMENT
      • 8: POLITICS
      • 9: WEIRD NEWS
      • 10: ENVIRONMENT
      • 11: EDUCATION
      • 12: CRIME
      • 13: SCIENCE
      • 14: WELLNESS
      • 15: BUSINESS
      • 16: STYLE & BEAUTY
      • 17: FOOD & DRINK
      • 18: MEDIA
      • 19: QUEER VOICES
      • 20: HOME & LIVING
      • 21: WOMEN
      • 22: BLACK VOICES
      • 23: TRAVEL
      • 24: MONEY
      • 25: RELIGION
      • 26: LATINO VOICES
      • 27: IMPACT
      • 28: WEDDINGS
      • 29: COLLEGE
      • 30: PARENTS
      • 31: ARTS & CULTURE
      • 32: STYLE
      • 33: GREEN
      • 34: TASTE
      • 35: HEALTHY LIVING
      • 36: THE WORLDPOST
      • 37: GOOD NEWS
      • 38: WORLDPOST
      • 39: FIFTY
      • 40: ARTS
      • 41: DIVORCE

数据集划分

• 训练集：
  • 字节数：2184054
  • 样本数：2100
• 测试集：
  • 字节数：2196326
  • 样本数：2100
• 评估集：
  • 字节数：2196326
  • 样本数：2100

数据集大小

• 下载大小：1979356 字节
• 数据集大小：6576706 字节