jgibb/congress_117_bills_test_t5_summaries_billsum

---
dataset_info:
features:
- name: 'Unnamed: 0'
dtype: int64
- name: index
dtype: int64
- name: id
dtype: string
- name: policy_areas
dtype: string
- name: cur_summary
dtype: string
- name: cur_text
dtype: string
- name: title
dtype: string
- name: titles_official
dtype: string
- name: titles_short
dtype: string
- name: sponsor_name
dtype: string
- name: sponsor_party
dtype: string
- name: sponsor_state
dtype: string
- name: cleaned_summary
dtype: string
- name: extracted_text
dtype: string
- name: extracted_text_375
dtype: string
- name: extracted_text_750
dtype: string
- name: extracted_text_1000
dtype: string
- name: bertsum_extracted_250
dtype: string
- name: bertsum_extracted_375
dtype: string
- name: bertsum_extracted_375_1000
dtype: string
- name: bertsum_extracted_250_1000
dtype: string
- name: bertsum_extracted_375_750
dtype: string
- name: bertsum_extracted_250_750
dtype: string
- name: bertsum_extracted_375_500
dtype: string
- name: bertsum_extracted_250_500
dtype: string
- name: bertsum_extracted_375_375
dtype: string
- name: bertsum_extracted_250_375
dtype: string
- name: text_len
dtype: int64
- name: billsum_abstracted_1000
dtype: string
- name: billsum_abstracted_500
dtype: string
- name: __index_level_0__
dtype: int64
- name: summary_billsum_abstracted_500
dtype: string
splits:
- name: test
num_bytes: 15715158
num_examples: 367
download_size: 7115070
dataset_size: 15715158
configs:
- config_name: default
data_files:
- split: test
path: data/test-*
---

数据集信息：
特征项：
- 字段名称：未命名列0，数据类型：int64
- 字段名称：索引，数据类型：int64
- 字段名称：编号，数据类型：字符串
- 字段名称：政策领域，数据类型：字符串
- 字段名称：当前摘要，数据类型：字符串
- 字段名称：当前文本，数据类型：字符串
- 字段名称：标题，数据类型：字符串
- 字段名称：官方标题，数据类型：字符串
- 字段名称：短标题，数据类型：字符串
- 字段名称：发起方名称，数据类型：字符串
- 字段名称：发起方政党，数据类型：字符串
- 字段名称：发起方所属州，数据类型：字符串
- 字段名称：清洗后摘要，数据类型：字符串
- 字段名称：提取文本，数据类型：字符串
- 字段名称：提取文本_375，数据类型：字符串
- 字段名称：提取文本_750，数据类型：字符串
- 字段名称：提取文本_1000，数据类型：字符串
- 字段名称：bertsum_extracted_250，数据类型：字符串
- 字段名称：bertsum_extracted_375，数据类型：字符串
- 字段名称：bertsum_extracted_375_1000，数据类型：字符串
- 字段名称：bertsum_extracted_250_1000，数据类型：字符串
- 字段名称：bertsum_extracted_375_750，数据类型：字符串
- 字段名称：bertsum_extracted_250_750，数据类型：字符串
- 字段名称：bertsum_extracted_375_500，数据类型：字符串
- 字段名称：bertsum_extracted_250_500，数据类型：字符串
- 字段名称：bertsum_extracted_375_375，数据类型：字符串
- 字段名称：bertsum_extracted_250_375，数据类型：字符串
- 字段名称：文本长度，数据类型：int64
- 字段名称：billsum_abstracted_1000，数据类型：字符串
- 字段名称：billsum_abstracted_500，数据类型：字符串
- 字段名称：__index_level_0__，数据类型：int64
- 字段名称：summary_billsum_abstracted_500，数据类型：字符串
数据集划分：
- 划分名称：测试集（test），字节大小：15715158，样本数量：367
下载大小：7115070，数据集总大小：15715158
配置项：
- 配置名称：默认配置（default），数据文件：
- 划分方式：测试集（test），文件路径：data/test-*

原始信息汇总

数据集概述

数据集特征

• Unnamed: 0: 数据类型为 int64
• index: 数据类型为 int64
• id: 数据类型为 string
• policy_areas: 数据类型为 string
• cur_summary: 数据类型为 string
• cur_text: 数据类型为 string
• title: 数据类型为 string
• titles_official: 数据类型为 string
• titles_short: 数据类型为 string
• sponsor_name: 数据类型为 string
• sponsor_party: 数据类型为 string
• sponsor_state: 数据类型为 string
• cleaned_summary: 数据类型为 string
• extracted_text: 数据类型为 string
• extracted_text_375: 数据类型为 string
• extracted_text_750: 数据类型为 string
• extracted_text_1000: 数据类型为 string
• bertsum_extracted_250: 数据类型为 string
• bertsum_extracted_375: 数据类型为 string
• bertsum_extracted_375_1000: 数据类型为 string
• bertsum_extracted_250_1000: 数据类型为 string
• bertsum_extracted_375_750: 数据类型为 string
• bertsum_extracted_250_750: 数据类型为 string
• bertsum_extracted_375_500: 数据类型为 string
• bertsum_extracted_250_500: 数据类型为 string
• bertsum_extracted_375_375: 数据类型为 string
• bertsum_extracted_250_375: 数据类型为 string
• text_len: 数据类型为 int64
• billsum_abstracted_1000: 数据类型为 string
• billsum_abstracted_500: 数据类型为 string
• index_level_0: 数据类型为 int64
• summary_billsum_abstracted_500: 数据类型为 string

数据集分割

• test:
  • 字节数: 15715158
  • 示例数: 367

数据集大小

• 下载大小: 7115070
• 数据集大小: 15715158

配置

• config_name: default
  • data_files:
    • split: test
      • path: data/test-*