eeoonn/multi_news_RST

该数据集包含文档内容、分割信息和解析信息三个主要字段。文档内容通过特定的分隔符进行分割，每个文档由|||||分隔，而每个基本话语单元（EDU）则由||分隔。解析信息字段展示了每个EDU之间的关系。数据集分为训练集、验证集和测试集，分别包含44972、5622和5622个样本。数据集的下载大小为619018558字节，总大小为1539408169字节。

This dataset contains three main fields: document content, segmentation information, and parsing information. The document content is segmented using specific delimiters, with each document separated by ||||| and each Elementary Discourse Unit (EDU) separated by ||. The parsing information field shows the relationship between each EDU. The dataset is divided into training, validation, and test sets, containing 44972, 5622, and 5622 samples respectively. The download size of the dataset is 619018558 bytes, and the total size is 1539408169 bytes.

原始信息汇总

数据集概述

数据集信息

• 特征:

  • document: 文档内容，数据类型为字符串。
  • segmentation: 分段信息，数据类型为整数序列。
  • parsing: 解析信息，数据类型为字符串序列。

• 分割:

  • train: 训练集，包含44972个样本，大小为1230225872字节。
  • validation: 验证集，包含5622个样本，大小为150037757字节。
  • test: 测试集，包含5622个样本，大小为159144540字节。

• 大小:

  • 下载大小: 619018558字节
  • 数据集总大小: 1539408169字节

配置

• 默认配置:
  • 数据文件路径:
    • 训练集: data/train-*
    • 验证集: data/validation-*
    • 测试集: data/test-*

语言

• 数据集语言: 英语

数据格式说明

• 文档字段中的文档之间使用|||||分隔。
• 文档字段中的每个EDU（基本话语单元）使用||分隔。
• 解析字段显示每个EDU之间的关系。