The full dataset viewer is not available (click to read why). Only showing a preview of the rows.
The dataset generation failed because of a cast error
Error code:   DatasetGenerationCastError
Exception:    DatasetGenerationCastError
Message:      An error occurred while generating the dataset

All the data files must have the same columns, but at some point there are 4 new columns ({'algorithm', 'id_news1', 'id_news2', 'similarity_score'}) and 14 missing columns ({'__index_level_3__', '__index_level_2__', ' numofdays', '__index_level_9__', '__index_level_0__', '__index_level_4__', '__index_level_8__', ' configurations', 'id', '__index_level_6__', ' name', '__index_level_7__', '__index_level_5__', '__index_level_1__'}).

This happened while the csv dataset builder was generating data using

hf://datasets/frollo/ItalianCrimeNews/duplicate.csv (at revision 49e7bd1793ccc082c3fd25ac50ade795870f22ff)

Please either edit the data files to have matching columns, or separate them into different configurations (see docs at https://hf.co/docs/hub/datasets-manual-configuration#multiple-configurations)
Traceback:    Traceback (most recent call last):
                File "/src/services/worker/.venv/lib/python3.9/site-packages/datasets/builder.py", line 2011, in _prepare_split_single
                  writer.write_table(table)
                File "/src/services/worker/.venv/lib/python3.9/site-packages/datasets/arrow_writer.py", line 585, in write_table
                  pa_table = table_cast(pa_table, self._schema)
                File "/src/services/worker/.venv/lib/python3.9/site-packages/datasets/table.py", line 2302, in table_cast
                  return cast_table_to_schema(table, schema)
                File "/src/services/worker/.venv/lib/python3.9/site-packages/datasets/table.py", line 2256, in cast_table_to_schema
                  raise CastError(
              datasets.table.CastError: Couldn't cast
              id_news1: int64
              id_news2: int64
              algorithm: int64
              similarity_score: double
              -- schema metadata --
              pandas: '{"index_columns": [{"kind": "range", "name": null, "start": 0, "' + 735
              to
              {'id': Value(dtype='string', id=None), ' name': Value(dtype='string', id=None), ' numofdays': Value(dtype='string', id=None), ' configurations': Value(dtype='string', id=None), '__index_level_0__': Value(dtype='int64', id=None), '__index_level_1__': Value(dtype='string', id=None), '__index_level_2__': Value(dtype='int64', id=None), '__index_level_3__': Value(dtype='string', id=None), '__index_level_4__': Value(dtype='string', id=None), '__index_level_5__': Value(dtype='string', id=None), '__index_level_6__': Value(dtype='string', id=None), '__index_level_7__': Value(dtype='string', id=None), '__index_level_8__': Value(dtype='string', id=None), '__index_level_9__': Value(dtype='string', id=None)}
              because column names don't match
              
              During handling of the above exception, another exception occurred:
              
              Traceback (most recent call last):
                File "/src/services/worker/src/worker/job_runners/config/parquet_and_info.py", line 1321, in compute_config_parquet_and_info_response
                  parquet_operations = convert_to_parquet(builder)
                File "/src/services/worker/src/worker/job_runners/config/parquet_and_info.py", line 935, in convert_to_parquet
                  builder.download_and_prepare(
                File "/src/services/worker/.venv/lib/python3.9/site-packages/datasets/builder.py", line 1027, in download_and_prepare
                  self._download_and_prepare(
                File "/src/services/worker/.venv/lib/python3.9/site-packages/datasets/builder.py", line 1122, in _download_and_prepare
                  self._prepare_split(split_generator, **prepare_split_kwargs)
                File "/src/services/worker/.venv/lib/python3.9/site-packages/datasets/builder.py", line 1882, in _prepare_split
                  for job_id, done, content in self._prepare_split_single(
                File "/src/services/worker/.venv/lib/python3.9/site-packages/datasets/builder.py", line 2013, in _prepare_split_single
                  raise DatasetGenerationCastError.from_cast_error(
              datasets.exceptions.DatasetGenerationCastError: An error occurred while generating the dataset
              
              All the data files must have the same columns, but at some point there are 4 new columns ({'algorithm', 'id_news1', 'id_news2', 'similarity_score'}) and 14 missing columns ({'__index_level_3__', '__index_level_2__', ' numofdays', '__index_level_9__', '__index_level_0__', '__index_level_4__', '__index_level_8__', ' configurations', 'id', '__index_level_6__', ' name', '__index_level_7__', '__index_level_5__', '__index_level_1__'}).
              
              This happened while the csv dataset builder was generating data using
              
              hf://datasets/frollo/ItalianCrimeNews/duplicate.csv (at revision 49e7bd1793ccc082c3fd25ac50ade795870f22ff)
              
              Please either edit the data files to have matching columns, or separate them into different configurations (see docs at https://hf.co/docs/hub/datasets-manual-configuration#multiple-configurations)

Need help to make the dataset viewer work? Open a discussion for direct support.

id
string
name
string
numofdays
string
configurations
string
__index_level_0__
int64
__index_level_1__
string
__index_level_2__
int64
__index_level_3__
string
__index_level_4__
string
__index_level_5__
string
__index_level_6__
string
__index_level_7__
string
__index_level_8__
string
__index_level_9__
string
id_news1
int64
id_news2
int64
algorithm
int64
similarity_score
float64
"score": [{"same municipality":0.025}
{"same day":0.03}
{"one day of difference":0.015}]
"threshold": 0.7}"
1
"Cosine similarity"
3
"{ "description": "news with sub-title"
"k-shingle size": [{"title":2}
{"sub-title":2}
{"text":3}]
"weights": [{"title":1}
{"sub-title":1.25}
{"text":4}]
null
null
null
null
{"one day of difference":0.015}]
"threshold": 0.7}"
null
null
2
"Cosine similarity"
3
"{ "description": "news without sub-title"
"k-shingle size": [{"title":2}
{"text":3}]
"weights": [{"title":1}
{"text":4}]
"score": [{"same municipality":0.025}
{"same day":0.03}
null
null
null
null
{"same day":0.03}
{"one day of difference":0.015}]
"threshold": 0.7}"
null
3
"Cosine similarity"
5
"{ "description": "filter: same event_date or window on publication_date; same municipality or no municipality; same crime category"
"k-shingle size": [{"title":2}
{"text":3}]
"weights": [{"title":1}
{"sub-title":1.25}
{"text":4}]
"score": [{"same municipality":0.025}
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
305
309
2
0.839102
null
null
null
null
null
null
null
null
null
null
null
null
null
null
363
366
2
0.963142
null
null
null
null
null
null
null
null
null
null
null
null
null
null
424
426
2
0.818271
null
null
null
null
null
null
null
null
null
null
null
null
null
null
460
463
2
0.876163
null
null
null
null
null
null
null
null
null
null
null
null
null
null
484
485
2
0.94161
null
null
null
null
null
null
null
null
null
null
null
null
null
null
508
510
2
0.810422
null
null
null
null
null
null
null
null
null
null
null
null
null
null
710
713
2
0.912329
null
null
null
null
null
null
null
null
null
null
null
null
null
null
896
898
1
0.831673
null
null
null
null
null
null
null
null
null
null
null
null
null
null
6,337
6,339
1
0.803687
null
null
null
null
null
null
null
null
null
null
null
null
null
null
1,081
1,083
2
0.843051
null
null
null
null
null
null
null
null
null
null
null
null
null
null
1,118
1,120
2
0.802233
null
null
null
null
null
null
null
null
null
null
null
null
null
null
1,388
1,401
2
0.923451
null
null
null
null
null
null
null
null
null
null
null
null
null
null
1,524
1,529
2
0.834161
null
null
null
null
null
null
null
null
null
null
null
null
null
null
2,095
2,103
1
1
null
null
null
null
null
null
null
null
null
null
null
null
null
null
2,532
2,534
1
0.855392
null
null
null
null
null
null
null
null
null
null
null
null
null
null
2,572
2,575
1
0.837067
null
null
null
null
null
null
null
null
null
null
null
null
null
null
2,620
2,621
1
0.809017
null
null
null
null
null
null
null
null
null
null
null
null
null
null
3,032
3,044
1
0.87144
null
null
null
null
null
null
null
null
null
null
null
null
null
null
3,435
3,438
1
0.862232
null
null
null
null
null
null
null
null
null
null
null
null
null
null
3,809
3,810
1
1
null
null
null
null
null
null
null
null
null
null
null
null
null
null
3,871
3,874
1
0.960009
null
null
null
null
null
null
null
null
null
null
null
null
null
null
4,127
4,132
1
0.83425
null
null
null
null
null
null
null
null
null
null
null
null
null
null
4,348
4,349
1
1
null
null
null
null
null
null
null
null
null
null
null
null
null
null
4,357
4,366
1
0.843271
null
null
null
null
null
null
null
null
null
null
null
null
null
null
4,545
4,566
1
0.835295
null
null
null
null
null
null
null
null
null
null
null
null
null
null
4,623
4,633
1
0.813222
null
null
null
null
null
null
null
null
null
null
null
null
null
null
4,666
4,670
1
0.939895
null
null
null
null
null
null
null
null
null
null
null
null
null
null
4,914
4,917
1
0.826963
null
null
null
null
null
null
null
null
null
null
null
null
null
null
4,957
4,958
1
1
null
null
null
null
null
null
null
null
null
null
null
null
null
null
5,049
5,067
1
1
null
null
null
null
null
null
null
null
null
null
null
null
null
null
5,301
5,309
1
0.881333
null
null
null
null
null
null
null
null
null
null
null
null
null
null
5,462
5,465
1
0.866943
null
null
null
null
null
null
null
null
null
null
null
null
null
null
6,558
6,559
1
1
null
null
null
null
null
null
null
null
null
null
null
null
null
null
7,692
7,693
1
0.807415
null
null
null
null
null
null
null
null
null
null
null
null
null
null
7,801
7,803
1
0.847843
null
null
null
null
null
null
null
null
null
null
null
null
null
null
8,234
8,237
1
0.844971
null
null
null
null
null
null
null
null
null
null
null
null
null
null
8,364
8,366
1
0.811025
null
null
null
null
null
null
null
null
null
null
null
null
null
null
8,389
8,391
1
0.877825
null
null
null
null
null
null
null
null
null
null
null
null
null
null
8,542
8,543
1
0.829307
null
null
null
null
null
null
null
null
null
null
null
null
null
null
8,866
8,868
1
0.848229
null
null
null
null
null
null
null
null
null
null
null
null
null
null
9,052
9,053
1
0.815795
null
null
null
null
null
null
null
null
null
null
null
null
null
null
9,580
9,582
1
0.83107
null
null
null
null
null
null
null
null
null
null
null
null
null
null
9,858
9,868
1
0.868055
null
null
null
null
null
null
null
null
null
null
null
null
null
null
9,885
9,888
1
0.946157
null
null
null
null
null
null
null
null
null
null
null
null
null
null
9,984
9,986
1
0.852052
null
null
null
null
null
null
null
null
null
null
null
null
null
null
10,181
10,189
1
0.848216
null
null
null
null
null
null
null
null
null
null
null
null
null
null
10,346
10,350
1
0.838785
null
null
null
null
null
null
null
null
null
null
null
null
null
null
10,484
10,485
1
0.814623
null
null
null
null
null
null
null
null
null
null
null
null
null
null
10,692
10,694
1
0.830065
null
null
null
null
null
null
null
null
null
null
null
null
null
null
10,894
10,903
1
0.814573
null
null
null
null
null
null
null
null
null
null
null
null
null
null
11,063
11,065
1
0.938072
null
null
null
null
null
null
null
null
null
null
null
null
null
null
11,210
11,214
1
0.969505
null
null
null
null
null
null
null
null
null
null
null
null
null
null
426,982
426,983
2
0.882465
null
null
null
null
null
null
null
null
null
null
null
null
null
null
11,345
11,347
1
0.911738
null
null
null
null
null
null
null
null
null
null
null
null
null
null
11,421
11,423
1
0.95944
null
null
null
null
null
null
null
null
null
null
null
null
null
null
11,548
11,550
1
0.887137
null
null
null
null
null
null
null
null
null
null
null
null
null
null
11,636
11,638
1
0.906795
null
null
null
null
null
null
null
null
null
null
null
null
null
null
11,652
11,654
1
0.834069
null
null
null
null
null
null
null
null
null
null
null
null
null
null
11,906
11,910
1
0.818405
null
null
null
null
null
null
null
null
null
null
null
null
null
null
12,220
12,222
1
0.87231
null
null
null
null
null
null
null
null
null
null
null
null
null
null
94,933
94,934
2
0.878716
null
null
null
null
null
null
null
null
null
null
null
null
null
null
158,558
158,560
2
0.880592
null
null
null
null
null
null
null
null
null
null
null
null
null
null
223,033
223,034
2
0.811506
null
null
null
null
null
null
null
null
null
null
null
null
null
null
224,289
224,295
1
0.858532
null
null
null
null
null
null
null
null
null
null
null
null
null
null
224,557
224,561
2
0.886031
null
null
null
null
null
null
null
null
null
null
null
null
null
null
224,631
224,633
1
0.922225
null
null
null
null
null
null
null
null
null
null
null
null
null
null
255,364
255,366
1
0.83254
null
null
null
null
null
null
null
null
null
null
null
null
null
null
255,510
255,512
1
0.821962
null
null
null
null
null
null
null
null
null
null
null
null
null
null
269,014
273,297
1
0.807329
null
null
null
null
null
null
null
null
null
null
null
null
null
null
273,411
273,413
2
0.852663
null
null
null
null
null
null
null
null
null
null
null
null
null
null
273,967
273,969
2
0.950178
null
null
null
null
null
null
null
null
null
null
null
null
null
null
300,832
300,834
1
0.8138
null
null
null
null
null
null
null
null
null
null
null
null
null
null
300,932
300,944
1
0.863729
null
null
null
null
null
null
null
null
null
null
null
null
null
null
358,604
358,607
2
0.822625
null
null
null
null
null
null
null
null
null
null
null
null
null
null
386,903
386,905
1
0.804755
null
null
null
null
null
null
null
null
null
null
null
null
null
null
396,719
396,721
1
0.808137
null
null
null
null
null
null
null
null
null
null
null
null
null
null
426,941
426,942
1
0.80273
null
null
null
null
null
null
null
null
null
null
null
null
null
null
1,042,430
1,042,432
1
0.867639
null
null
null
null
null
null
null
null
null
null
null
null
null
null
1,076,335
1,076,337
1
0.870563
null
null
null
null
null
null
null
null
null
null
null
null
null
null
1,076,363
1,076,365
1
0.838235
null
null
null
null
null
null
null
null
null
null
null
null
null
null
2,200,842
2,207,673
1
0.706123
null
null
null
null
null
null
null
null
null
null
null
null
null
null
1,793,757
1,807,261
2
0.808312
null
null
null
null
null
null
null
null
null
null
null
null
null
null
2,770,149
2,776,929
2
0.703402
null
null
null
null
null
null
null
null
null
null
null
null
null
null
3,685,541
3,707,277
1
0.730303
null
null
null
null
null
null
null
null
null
null
null
null
null
null
2,864,298
2,877,850
1
0.737455
null
null
null
null
null
null
null
null
null
null
null
null
null
null
2,870,974
2,877,823
2
0.71012
null
null
null
null
null
null
null
null
null
null
null
null
null
null
2,870,976
2,877,822
2
0.808526
null
null
null
null
null
null
null
null
null
null
null
null
null
null
4,103,348
4,103,350
1
0.712799
null
null
null
null
null
null
null
null
null
null
null
null
null
null
2,736,309
2,743,072
1
0.754048
null
null
null
null
null
null
null
null
null
null
null
null
null
null
3,348,625
3,375,922
2
0.706741
null
null
null
null
null
null
null
null
null
null
null
null
null
null
3,605,469
3,612,773
1
0.720966
null
null
null
null
null
null
null
null
null
null
null
null
null
null
3,606,580
3,613,885
2
0.826018
null
null
null
null
null
null
null
null
null
null
null
null
null
null
2,988,623
2,995,517
2
0.710963
null
null
null
null
null
null
null
null
null
null
null
null
null
null
2,763,395
2,783,717
2
0.714168
null
null
null
null
null
null
null
null
null
null
null
null
null
null
97
99
2
0.70856
null
null
null
null
null
null
null
null
null
null
null
null
null
null
99
158,574
1
0.727224
null
null
null
null
null
null
null
null
null
null
null
null
null
null
3,502,996
3,509,934
2
0.708954
End of preview.