five

lectura/naver_news_1024

收藏
Hugging Face2023-12-01 更新2024-03-04 收录
下载链接:
https://hf-mirror.com/datasets/lectura/naver_news_1024
下载链接
链接失效反馈
官方服务:
资源简介:
--- dataset_info: features: - name: input_ids sequence: int32 splits: - name: train num_bytes: 53074500 num_examples: 12945 download_size: 23902205 dataset_size: 53074500 configs: - config_name: default data_files: - split: train path: data/train-* task_categories: - text-generation language: - ko size_categories: - 10K<n<100K source_datasets: - daekeun-ml/naver-news-summarization-ko --- # Dataset Card for "naver_news_1024" Preprocessed and tokenized [daekeun-ml/naver-news-summarization-ko](https://huggingface.co/datasets/daekeun-ml/naver-news-summarization-ko) dataset for pretraining. \ Concatenated all text and split into chunk size of **1024**. \ Used tokenizer from [beomi/llama-2-ko-7b](https://huggingface.co/beomi/llama-2-ko-7b) [More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)
提供机构:
lectura
原始信息汇总

数据集概述

数据集信息

  • 特征:
    • input_ids: 序列类型,数据类型为 int32
  • 拆分:
    • train: 字节数为 53074500,样本数为 12945
  • 下载大小: 23902205 字节
  • 数据集大小: 53074500 字节

配置

  • 配置名称: default
  • 数据文件:
    • train: 路径为 data/train-*

任务类别

  • text-generation

语言

  • ko

大小类别

  • 10K<n<100K

源数据集

  • daekeun-ml/naver-news-summarization-ko
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作