有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
llamafactory/alpaca_gpt4_zh|文本生成数据集|问答系统数据集
收藏hugging_face2024-06-07 更新2024-06-12 收录
下载链接：
https://hf-mirror.com/datasets/llamafactory/alpaca_gpt4_zh
下载链接
链接失效反馈资源简介：
该数据集包含用于文本生成和问答任务的指令、输入和输出字段，语言为中文。数据集来源于https://github.com/Instruction-Tuning-with-GPT-4/GPT-4-LLM，并移除了6,103个截断的示例。数据集规模在10,000到100,000之间，适用于LLaMA Factory，使用时需指定`dataset: alpaca_gpt4_zh`。
该数据集包含用于文本生成和问答任务的指令、输入和输出字段，语言为中文。数据集来源于https://github.com/Instruction-Tuning-with-GPT-4/GPT-4-LLM，并移除了6,103个截断的示例。数据集规模在10,000到100,000之间，适用于LLaMA Factory，使用时需指定`dataset: alpaca_gpt4_zh`。
提供机构：
llamafactory
原始信息汇总
数据集概述
数据集特征
- instruction：数据类型为字符串。
- input：数据类型为字符串。
- output：数据类型为字符串。
许可证
- Apache-2.0
任务类别
- 文本生成
- 问答
语言
- 中文
标签
- llama-factory
大小分类
- 10K<n<100K
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
ChemBL
ChemBL是一个化学信息学数据库，包含大量生物活性数据，涵盖了药物发现和开发过程中的各种化学实体。数据集包括化合物的结构信息、生物活性数据、靶点信息等。
www.ebi.ac.uk 收录
Alexa Domains
该数据集由前 100 万个网站的 URL 组成。 域名使用 Alexa 流量排名进行排名 是使用浏览行为的组合来确定的 网站上的用户数、唯一身份访问者的数量和网页浏览量。更详细地说，唯一身份访问者是 在给定日期访问网站的唯一用户数， 和 pageviews 是用户 URL 请求的总数 网站。但是，对同一网站的多个请求 在同一天被计为一次综合浏览量。网站 独立访问者和综合浏览量的最高组合 排名最高
OpenDataLab 收录
Tropicos
Tropicos是一个全球植物名称数据库，包含超过130万种植物的名称、分类信息、分布数据、图像和参考文献。该数据库由密苏里植物园维护，旨在为植物学家、生态学家和相关领域的研究人员提供全面的植物信息。
www.tropicos.org 收录
TM-Senti
TM-Senti是由伦敦玛丽女王大学开发的一个大规模、远距离监督的Twitter情感数据集，包含超过1.84亿条推文，覆盖了超过七年的时间跨度。该数据集基于互联网档案馆的公开推文存档，可以完全重新构建，包括推文元数据且无缺失推文。数据集内容丰富，涵盖多种语言，主要用于情感分析和文本分类等任务。创建过程中，研究团队精心筛选了表情符号和表情，确保数据集的质量和多样性。该数据集的应用领域广泛，旨在解决社交媒体情感表达的长期变化问题，特别是在表情符号和表情使用上的趋势分析。
arXiv 收录
Amazon Reviews 2023
该数据集包含用户评论，如评分、评论文本、有用投票等，以及商品元数据，如产品描述、定价、图片等。数据集比以前的版本大245.2%，包含571.54M条评论，并具有更丰富的描述性商品特征和细粒度的时间戳。
github 收录