haohaa/shan-news-shannews_org

该数据集是从shannews.org网站抓取的，该网站是一个私有的非营利组织，提供Shan语言的新闻。数据集包含日期、链接、标题、内容和类别等特征，主要用于文本生成任务。数据集的语言为Shan语，版本日期为2024年5月18日。

原始信息汇总

数据集概述

基本信息

• 许可证: CC0-1.0
• 语言: shn

数据集结构

• 特征:
  • date: 数据类型为字符串
  • link: 数据类型为字符串
  • title: 数据类型为字符串
  • content: 数据类型为字符串
  • categories: 数据类型为字符串

数据分割

• 训练集:
  • 大小: 74546467 字节
  • 示例数量: 11036

数据集大小

• 下载大小: 24418824 字节
• 数据集总大小: 74546467 字节

配置

• 默认配置:
  • 数据文件路径: data/train-*

任务类别

• 文本生成

数据集大小类别

• 范围: 10K<n<100K