ImperialIndians23/nlp_cw_data_unprocessed_augmented_both

--- dataset_info: features: - name: par_id dtype: string - name: community dtype: string - name: text dtype: string - name: label dtype: int64 splits: - name: train num_bytes: 3270870 num_examples: 10757 - name: valid num_bytes: 616626 num_examples: 2094 download_size: 2445690 dataset_size: 3887496 configs: - config_name: default data_files: - split: train path: data/train-* - split: valid path: data/valid-* ---数据集信息： ## 特征字段 该数据集包含以下4个特征字段： 1. 段落标识（par_id）：数据类型为字符串，用于唯一标记对应段落 2. 社区（community）：数据类型为字符串，表征所属社区相关信息 3. 文本（text）：数据类型为字符串，为核心待分析文本内容 4. 标签（label）：数据类型为整数类型（int64），为样本的分类标注结果 ## 数据集划分 数据集划分为训练集与验证集两个子集： - 训练集（train）：字节占用量为3270870，共包含10757条样本 - 验证集（valid）：字节占用量为616626，共包含2094条样本 整体数据集的下载大小为2445690，总存储大小为3887496。 ## 配置信息 默认配置（default）下的数据文件映射关系如下： - 训练集对应数据路径：data/train-* - 验证集对应数据路径：data/valid-*

原始信息汇总

数据集信息

特征

• par_id: 字符串类型
• community: 字符串类型
• text: 字符串类型
• label: 64位整数类型

数据分割

• train:
  • 字节数: 3270870
  • 样本数: 10757
• valid:
  • 字节数: 616626
  • 样本数: 2094

数据大小

• 下载大小: 2445690 字节
• 数据集大小: 3887496 字节

配置

• default:
  • 数据文件:
    • train: data/train-*
    • valid: data/valid-*