DuongTrongChi/thuvienphapluat-small

该数据集包含越南语的文档数据，每个文档包含一个URL链接、文档内容和元数据。元数据详细记录了文档的类型、发布日期、公告日期、生效日期、合并日期、签署人、发布地点、公告号、编号和状态等信息。数据集主要用于训练，包含21179个样本，总大小约为2.41GB。

原始信息汇总

数据集概述

数据集特征

• urls: 数据类型为字符串。
• content: 数据类型为字符串。
• metadata: 结构化数据，包含以下字段：
  • Loại văn bản:：数据类型为字符串。
  • Ngày ban hành:：数据类型为字符串。
  • Ngày công báo:：数据类型为字符串。
  • Ngày hiệu lực:：数据类型为字符串。
  • Ngày hợp nhất:：数据类型为字符串。
  • Người ký:：数据类型为字符串。
  • Nơi ban hành:：数据类型为字符串。
  • Số công báo:：数据类型为字符串。
  • Số hiệu:：数据类型为字符串。
  • Tình trạng:：数据类型为字符串。

数据集分割

• train:
  • 数据大小: 2413794106.748098 字节
  • 示例数量: 21179

数据集大小

• 下载大小: 549251728 字节
• 数据集总大小: 2413794106.748098 字节

配置

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