LukaMagic077/downsampled_below10k_arxiv_dataset_on_hub

该数据集包含文章和摘要的文本数据，分为训练集、验证集和测试集。训练集包含18,032个样本，验证集包含441个样本，测试集包含418个样本。每个样本包含两个字段：article（文章）和abstract（摘要），均为字符串类型。数据集总大小约为668MB。

原始信息汇总

数据集概述

数据集配置

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

数据集信息

• 特征:

  • article: 数据类型为 string
  • abstract: 数据类型为 string

• 分割详情:

  • 训练集:
    • 字节数: 639575187.6327566
    • 示例数: 18032
  • 验证集:
    • 字节数: 14991887.708669981
    • 示例数: 441
  • 测试集:
    • 字节数: 14227340.6
    • 示例数: 418

• 下载大小: 106594997

• 数据集总大小: 668794415.9414266