Finnish-NLP/wikipedia_synthetic_person_discussions_multiturn

该数据集包含多个字段，如文章标题、人物、人物描述、文章文本、讨论内容、消息列表等。数据集分为训练集，包含1014个样本，总大小为7738178字节。

This dataset is primarily used for text analysis, featuring multiple characteristics such as article titles, persons, person descriptions, article text, discussions, message content, and roles. The dataset is divided into a training set, containing 1014 samples, with a dataset size of 7738178 bytes and a download size of 4415727 bytes.

原始信息汇总

数据集概述

数据集信息

特征

• article_title: 文章标题，数据类型为字符串。
• person: 人物名称，数据类型为字符串。
• person_description: 人物描述，数据类型为字符串。
• article_text: 文章内容，数据类型为字符串。
• discussion: 讨论内容，数据类型为字符串序列。
• index_level_0: 索引级别0，数据类型为整数。
• messages: 消息列表，包含以下子特征：
  • content: 消息内容，数据类型为字符串。
  • role: 消息角色，数据类型为字符串。
• message_length: 消息长度，数据类型为整数。

数据分割

• train: 训练集，包含1014个样本，总字节数为7738178。

数据集大小

• 下载大小: 4415727字节
• 数据集大小: 7738178字节

配置

• default: 默认配置，包含训练集数据文件路径为data/train-*。