PDAP/coarse-labeled-urls-headers

---
dataset_info:
features:
- name: id
dtype: int64
- name: url
dtype: string
- name: label
dtype: string
- name: coarse_label
dtype: string
- name: html_title
dtype: string
- name: meta_description
dtype: string
- name: http_response
dtype: float64
- name: h1
dtype: string
- name: h2
dtype: string
- name: h3
dtype: string
- name: h4
dtype: string
- name: h5
dtype: string
- name: h6
dtype: string
splits:
- name: train
num_bytes: 1228661.0604011193
num_examples: 2909
- name: test
num_bytes: 129243.82416044777
num_examples: 306
download_size: 580471
dataset_size: 1357904.884561567
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

数据集信息：
特征项：
- 字段名：id，数据类型：int64
- 字段名：url，数据类型：字符串
- 字段名：标签（label），数据类型：字符串
- 字段名：粗粒度标签（coarse_label），数据类型：字符串
- 字段名：HTML标题（html_title），数据类型：字符串
- 字段名：元描述（meta_description），数据类型：字符串
- 字段名：HTTP响应（http_response），数据类型：float64
- 字段名：h1，数据类型：字符串
- 字段名：h2，数据类型：字符串
- 字段名：h3，数据类型：字符串
- 字段名：h4，数据类型：字符串
- 字段名：h5，数据类型：字符串
- 字段名：h6，数据类型：字符串
数据集拆分：
- 拆分集名称：train，字节占用量：1228661.0604011193，样本数量：2909
- 拆分集名称：test，字节占用量：129243.82416044777，样本数量：306
下载体积：580471
数据集总字节量：1357904.884561567
数据集配置：
- 配置名：default，数据文件：
- 拆分集：train，文件路径：data/train-*
- 拆分集：test，文件路径：data/test-*

原始信息汇总

数据集概述

数据集特征

• id: 整数类型 (int64)
• url: 字符串类型 (string)
• label: 字符串类型 (string)
• coarse_label: 字符串类型 (string)
• html_title: 字符串类型 (string)
• meta_description: 字符串类型 (string)
• http_response: 浮点数类型 (float64)
• h1: 字符串类型 (string)
• h2: 字符串类型 (string)
• h3: 字符串类型 (string)
• h4: 字符串类型 (string)
• h5: 字符串类型 (string)
• h6: 字符串类型 (string)

数据集分割

• 训练集 (train):
  • 示例数量: 2909
  • 数据大小: 1228661.0604011193 字节
• 测试集 (test):
  • 示例数量: 306
  • 数据大小: 129243.82416044777 字节

数据集大小

• 下载大小: 580471 字节
• 数据集总大小: 1357904.884561567 字节

数据文件配置

• 默认配置 (default):
  • 训练集路径: data/train-*
  • 测试集路径: data/test-*