afoland/chapterized_PG
收藏Hugging Face2024-01-13 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/afoland/chapterized_PG
下载链接
链接失效反馈官方服务：
资源简介：
该数据集包含467本来自Project Gutenberg的书籍，主要是作者在1914年之前去世的书籍。这些书籍通过Chapter Captor工具进行了章节化处理，确保章节数量正确且章节编号从1开始顺序排列。每行数据代表一本书的一个章节，包含的键有chapter_number、text、title和metadata{id}，其中id是Gutenberg书籍编号，title通常不存在。
该数据集包含467本来自Project Gutenberg的书籍，主要是作者在1914年之前去世的书籍。这些书籍通过Chapter Captor工具进行了章节化处理，确保章节数量正确且章节编号从1开始顺序排列。每行数据代表一本书的一个章节，包含的键有chapter_number、text、title和metadata{id}，其中id是Gutenberg书籍编号，title通常不存在。
提供机构：
afoland
原始信息汇总
数据集概述
数据来源
- 数据集包含467本古腾堡计划（Project Gutenberg）的书籍，主要为早期作品（作者去世于1914年之前）。
数据处理
- 书籍被Chapter Captor工具（参考文献：https://arxiv.org/abs/2011.04163）分章节处理，确保章节数量正确且章节编号从1开始顺序排列。
数据格式
- 每行代表一本书的一个章节。
- 数据键包括：
chapter_number：章节编号text：章节文本title：书籍标题（可能不存在）metadata{"id"}：古腾堡书籍编号
许可证
- 数据集遵循Apache-2.0许可证。
