316usman/thematic2c

--- license: bsd dataset_info: features: - name: text dtype: string - name: thematic dtype: string - name: sub-thematic dtype: string - name: country dtype: string - name: document_url dtype: string - name: source_url dtype: string splits: - name: train num_bytes: 200962592 num_examples: 249415 download_size: 61663748 dataset_size: 200962592 configs: - config_name: default data_files: - split: train path: data/train-* ---许可证：BSD 数据集信息： 特征字段： - 字段名：text，数据类型：字符串 - 字段名：thematic，数据类型：字符串 - 字段名：sub-thematic，数据类型：字符串 - 字段名：country，数据类型：字符串 - 字段名：document_url，数据类型：字符串 - 字段名：source_url，数据类型：字符串 数据划分： - 划分名称：train，数据字节数：200962592，样本数量：249415 下载大小：61663748 数据集总大小：200962592 配置项： - 配置名称：default，数据文件： - 对应划分：train，文件路径：data/train-*

原始信息汇总

数据集概述

数据集信息

特征

• text: 数据类型为字符串。
• thematic: 数据类型为字符串。
• sub-thematic: 数据类型为字符串。
• country: 数据类型为字符串。
• document_url: 数据类型为字符串。
• source_url: 数据类型为字符串。

数据分割

• train: 包含249415个样本，占用200962592字节。

数据集大小

• 下载大小: 61663748字节。
• 数据集大小: 200962592字节。

配置

• default: 包含训练数据文件，路径为data/train-*。