siacus/huff2
收藏资源简介：
--- 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)
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-*
- 训练集：
- 数据文件：
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
- 类别名称：
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
