StivenLancheros/all_datasets_wikis

---
dataset_info:
features:
- name: src_title
dtype: string
- name: tgt_title
dtype: string
- name: src_summary
dtype: string
- name: tgt_summary
dtype: string
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
- name: labels
sequence: int64
- name: text
dtype: string
- name: summary
dtype: string
- name: gem_id
dtype: string
- name: gem_parent_id
dtype: string
- name: id
dtype: string
- name: src_document
sequence:
- name: title
dtype: string
- name: section_level
dtype: string
- name: content
dtype: string
splits:
- name: train
num_bytes: 6735593897
num_examples: 440000
download_size: 2531579730
dataset_size: 6735593897
---
# Dataset Card for "all_datasets_wikis"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

## 数据集信息
### 特征
- 名称：源标题（src_title），数据类型：字符串
- 名称：目标标题（tgt_title），数据类型：字符串
- 名称：源摘要（src_summary），数据类型：字符串
- 名称：目标摘要（tgt_summary），数据类型：字符串
- 名称：输入标识（input_ids），数据类型：序列，元素类型为int32
- 名称：注意力掩码（attention_mask），数据类型：序列，元素类型为int8
- 名称：标签（labels），数据类型：序列，元素类型为int64
- 名称：文本（text），数据类型：字符串
- 名称：摘要（summary），数据类型：字符串
- 名称：gem_id，数据类型：字符串
- 名称：gem_parent_id，数据类型：字符串
- 名称：标识符（id），数据类型：字符串
- 名称：源文档（src_document），数据类型：序列，内部结构为：
- 名称：标题（title），数据类型：字符串
- 名称：章节层级（section_level），数据类型：字符串
- 名称：内容（content），数据类型：字符串
### 数据集划分
- 训练集（train）：占用字节数6735593897，样本总数440000
数据集下载大小：2531579730
数据集磁盘占用大小：6735593897

---
# 「all_datasets_wikis」数据集卡片

[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集特征

• src_title: 字符串类型
• tgt_title: 字符串类型
• src_summary: 字符串类型
• tgt_summary: 字符串类型
• input_ids: 序列类型，整数32位
• attention_mask: 序列类型，整数8位
• labels: 序列类型，整数64位
• text: 字符串类型
• summary: 字符串类型
• gem_id: 字符串类型
• gem_parent_id: 字符串类型
• id: 字符串类型
• src_document: 序列类型
  • title: 字符串类型
  • section_level: 字符串类型
  • content: 字符串类型

数据集分割

• train:
  • 数据量: 6735593897 字节
  • 示例数量: 440000

数据集大小

• 下载大小: 2531579730 字节
• 数据集总大小: 6735593897 字节