sanps/GutenbergFiction

该数据集包含来自gutenberg.org的英文书籍，这些书籍带有小说标签并且至少有25次下载。数据被分割成段落，便于分析和处理。

原始信息汇总

数据集概述

数据集信息

• 特征:
  • file_id: 类型为字符串
  • text_sub_id: 类型为整数
  • text: 类型为字符串
  • tokens: 类型为整数
• 分割:
  • train: 字节数为1696432957，样本数为393386
• 下载大小: 1069041271字节
• 数据集大小: 1696432957字节

配置

• 默认配置:
  • 数据文件:
    • train: 路径为data/train-*

语言

• 英语

数据来源

• 来自gutenberg.org的英文书籍，带有fiction标签且至少有25次下载，分割成段落。

许可详情

• 许可详情请参见: https://www.gutenberg.org/policy/permission.html