eaglewatch/CBT_augmented_dataset_3

该数据集主要用于文本摘要和文本生成任务，特别是与医学和精神病学相关的领域。数据集包含三个部分：训练集、验证集和测试集，分别包含42000、10500和2142个样本。每个样本包含两个字段：summary和text，均为字符串类型。数据集的总下载大小为156261952字节，总数据集大小为248359616字节。数据集的许可证为Apache-2.0，适用于中等规模的数据集（10K<n<100K）。

原始信息汇总

数据集概述

特征信息

• 名称: summary
  • 数据类型: string
• 名称: text
  • 数据类型: string

数据分割

• 训练集
  • 字节数: 190927798
  • 样本数: 42000
• 验证集
  • 字节数: 47732727
  • 样本数: 10500
• 测试集
  • 字节数: 9699091
  • 样本数: 2142

数据大小

• 下载大小: 156261952
• 数据集大小: 248359616

配置信息

• 配置名称: default
  • 数据文件路径:
    • 训练集: data/train-*
    • 验证集: data/val-*
    • 测试集: data/test-*

许可证

• 许可证: apache-2.0

任务类别

• 摘要生成
• 文本到文本生成

标签

• 医疗
• 精神病学

数据集大小类别

• 10K<n<100K