bethea/samsum-pronoun-resolution-clusters

该数据集包含多个字段，包括id（唯一标识符）、dialogue（对话内容）、summary（摘要）、pre_dialogue（前序对话）、clusters（聚类信息，以嵌套序列形式存储）和words（单词序列）。数据集分为训练集、测试集和验证集三个部分，分别包含14732、819和818个示例，总大小为43488304字节。

The dataset includes multiple fields such as id (unique identifier), dialogue (conversation content), summary (summary), pre_dialogue (preceding dialogue), clusters (clustering information stored as nested sequences), and words (word sequences). The dataset is divided into training, test, and validation sets, containing 14732, 819, and 818 examples respectively, with a total size of 43488304 bytes.

原始信息汇总

数据集概述

数据集特征

• id: 字符串类型
• dialogue: 字符串类型
• summary: 字符串类型
• pre_dialogue: 字符串类型
• clusters: 嵌套序列类型，内部为整数类型
• words: 字符串序列类型

数据集分割

• train:
  • 字节数: 39150537
  • 样本数: 14732
• test:
  • 字节数: 2214936
  • 样本数: 819
• validation:
  • 字节数: 2122831
  • 样本数: 818

数据集大小

• 下载大小: 18008233 字节
• 数据集大小: 43488304 字节

配置

• config_name: default
  • data_files:
    • train: data/train-*
    • test: data/test-*
    • validation: data/validation-*