keirp/common_crawl_sample

---
dataset_info:
features:
- name: text
dtype: string
- name: timestamp
dtype: string
- name: url
dtype: string
- name: clean
dtype: bool
splits:
- name: train
num_bytes: 17089394
num_examples: 9282
download_size: 10169814
dataset_size: 17089394
---
# Dataset Card for "common_crawl_sample"

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

数据集信息：
特征：
- 名称：text（文本内容），数据类型：字符串型（string）
- 名称：timestamp（时间戳），数据类型：字符串型（string）
- 名称：url（统一资源定位符），数据类型：字符串型（string）
- 名称：clean（文本清洗标记），数据类型：布尔型（bool）
数据集划分：
- 名称：训练集（train），字节数：17089394，样本数：9282
下载大小：10169814
数据集总大小：17089394
---
# 「common_crawl_sample」数据集卡片（Dataset Card）

【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

数据集名称

• 名称: common_crawl_sample

数据集特征

• 特征列表:
  • text: 数据类型为字符串
  • timestamp: 数据类型为字符串
  • url: 数据类型为字符串
  • clean: 数据类型为布尔值

数据集划分

• 训练集:
  • 大小: 17089394 字节
  • 样本数量: 9282

数据集大小

• 下载大小: 10169814 字节
• 总大小: 17089394 字节