nortsformer/cnn_dailymail_tokenized_lemmatized_nltk

---
dataset_info:
features:
- name: article
dtype: string
- name: highlights
dtype: string
- name: id
dtype: string
- name: tokenized_article
sequence: string
splits:
- name: train
num_bytes: 2900176608
num_examples: 287113
- name: validation
num_bytes: 132549023
num_examples: 13368
- name: test
num_bytes: 114934628
num_examples: 11490
download_size: 1295538330
dataset_size: 3147660259
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---

原始信息汇总

数据集概述

数据特征

• article: 数据类型为字符串。
• highlights: 数据类型为字符串。
• id: 数据类型为字符串。
• tokenized_article: 数据类型为字符串序列。

数据分割

• train: 包含287113个样本，总字节数为2900176608。
• validation: 包含13368个样本，总字节数为132549023。
• test: 包含11490个样本，总字节数为114934628。

数据大小

• 下载大小: 1295538330字节。
• 数据集大小: 3147660259字节。

配置

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