vibhorag101/phr_mental_therapy_dataset

该数据集是一个基于GPT-3.5-turbo生成的合成心理健康对话数据集，原始数据来源于nart-100k-synthetic。数据集经过了清洗，移除了对话中常见的名字“Alex”和“Charlie”，并转换为适合llama-2-chat模型的格式。数据集采用JSONL格式，每个条目包含一个“text”键，其中包含了用于模型训练的合并文本，并添加了llama-2的系统提示和特定的对话格式标记。

原始信息汇总

数据集概述

基本信息

• 数据集名称: Synthetic Mental Therapy Dataset
• 数据集大小: 458762343字节
• 下载大小: 211247054字节
• 训练集大小: 99086个样本，458762343字节
• 语言: 英语 (en)
• 许可证: MIT

数据特征

• 特征名称: text
• 数据类型: 字符串 (string)

任务类别

• 任务: 文本生成 (text-generation)

标签

• 标签: 医疗 (medical)

数据集描述

• 数据来源: 该数据集是nart-100k-synthetic的清理版本。
• 数据生成: 使用gpt3.5-turbo和此脚本合成生成。
• 数据格式: 原始为"sharegpt"风格的JSONL格式，包含"human"和"gpt"键。
• 数据清洗: 移除了"Alex"和"Charlie"等名称。
• 数据转换: 转换为适合llama-2-chat模型的格式，包含单个键"text"，并添加了llama-2系统提示。

数据集配置

• 配置名称: default
• 数据文件:
  • 分割: train
  • 路径: data/train-*

数据集大小分类

• 大小分类: 10K<n<100K