pietrolesci/hyperpartisan_news_detection

该数据集用于超党派新闻检测，包含两个配置：default和embedding_all-mpnet-base-v2。default配置包含新闻文本、标题、超党派性、URL、发布日期、偏见、文本和唯一标识符等特征。embedding_all-mpnet-base-v2配置则包含唯一标识符和嵌入向量。数据集分为训练集和验证集，分别包含600,000和150,000个样本。This dataset is intended for hyperpartisan news detection, and includes two configurations: default and embedding_all-mpnet-base-v2. The default configuration contains features including news text, title, hyperpartisanship, URL, publication date, bias, and unique identifier. The embedding_all-mpnet-base-v2 configuration only includes unique identifiers and embedding vectors. The dataset is divided into training and validation sets, which contain 600,000 and 150,000 samples respectively.

原始信息汇总

数据集概述

配置信息

• 默认配置 (default)

  • 数据文件路径
    • 训练集: data/train-*
    • 验证集: data/validation-*
  • 特征信息
    • news_text: 字符串
    • title: 字符串
    • hyperpartisan: 布尔值
    • url: 字符串
    • published_at: 字符串
    • bias: 类别标签
      • 0: right
      • 1: right-center
      • 2: least
      • 3: left-center
      • 4: left
    • text: 字符串
    • uid: 整数 (int64)
  • 数据分割
    • 训练集: 600,000 条数据, 5,549,889,491 字节
    • 验证集: 150,000 条数据, 1,906,305,570 字节
  • 下载大小: 4,230,482,849 字节
  • 数据集大小: 7,456,195,061 字节

• 嵌入配置 (embedding_all-mpnet-base-v2)

  • 数据文件路径
    • 训练集: embedding_all-mpnet-base-v2/train-*
    • 验证集: embedding_all-mpnet-base-v2/validation-*
  • 特征信息
    • uid: 整数 (int64)
    • embedding_all-mpnet-base-v2: 浮点数序列 (float32)
  • 数据分割
    • 训练集: 600,000 条数据, 1,850,400,000 字节
    • 验证集: 150,000 条数据, 462,600,000 字节
  • 下载大小: 2,776,673,253 字节
  • 数据集大小: 2,313,000,000 字节