316usman/thematic2aembed

--- 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: 691745022 num_examples: 908625 download_size: 205106568 dataset_size: 691745022 configs: - config_name: default data_files: - split: train path: data/train-* ---许可证：BSD许可证（BSD License） 数据集信息： 特征项： - 特征名称：文本（text），数据类型：字符串（string） - 特征名称：主题（thematic），数据类型：字符串（string） - 特征名称：子主题（sub-thematic），数据类型：字符串（string） - 特征名称：国家（country），数据类型：字符串（string） - 特征名称：文档链接（document_url），数据类型：字符串（string） - 特征名称：来源链接（source_url），数据类型：字符串（string） 数据划分： - 划分名称：训练集（train），字节数：691745022，样本数量：908625 下载大小：205106568 数据集总大小：691745022 配置项： - 配置名称：默认（default），数据文件： - 划分：训练集（train），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908625个样本，占用691745022字节。

数据集大小

• 下载大小: 205106568字节。
• 数据集大小: 691745022字节。

配置

• default: 包含训练数据文件，路径为data/train-*。