NickyNicky/global-news-dataset

---
dataset_info:
features:
- name: article_id
dtype: int64
- name: source_id
dtype: string
- name: source_name
dtype: string
- name: author
dtype: string
- name: title
dtype: string
- name: description
dtype: string
- name: url
dtype: string
- name: url_to_image
dtype: string
- name: published_at
dtype: string
- name: content
dtype: string
- name: category
dtype: string
- name: full_content
dtype: string
splits:
- name: train
num_bytes: 431631383
num_examples: 105375
download_size: 186302974
dataset_size: 431631383
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征列表：
- 文章ID（article_id）：数据类型为int64
- 来源ID（source_id）：数据类型为字符串
- 来源名称（source_name）：数据类型为字符串
- 作者（author）：数据类型为字符串
- 标题（title）：数据类型为字符串
- 描述（description）：数据类型为字符串
- 资源链接（url）：数据类型为字符串
- 图片链接（url_to_image）：数据类型为字符串
- 发布时间（published_at）：数据类型为字符串
- 正文内容（content）：数据类型为字符串
- 分类标签（category）：数据类型为字符串
- 完整正文（full_content）：数据类型为字符串
数据集划分：
- 训练集（train）：字节占用量为431631383，样本总数为105375
下载总大小：186302974字节，数据集总存储大小：431631383字节
配置项：
- 默认配置（default）：对应训练拆分集的数据文件路径为data/train-*

原始信息汇总

数据集概述

数据集特征

• article_id: 整数类型
• source_id: 字符串类型
• source_name: 字符串类型
• author: 字符串类型
• title: 字符串类型
• description: 字符串类型
• url: 字符串类型
• url_to_image: 字符串类型
• published_at: 字符串类型
• content: 字符串类型
• category: 字符串类型
• full_content: 字符串类型

数据集划分

• 训练集 (train):
  • 数据量: 431,631,383 字节
  • 样本数: 105,375

数据集大小

• 下载大小: 186,302,974 字节
• 总大小: 431,631,383 字节