WhiteGiverPlus/md_chunks20k_0706

该数据集包含书籍的文本内容，每个样本包括书籍名称、片段索引和文本内容。数据集仅包含训练集，共有79,601个样本，总大小为968,559,512字节，下载大小为371,343,649字节。

This dataset contains text content from books, with each sample including the book name, chunk index, and text content. The dataset only includes a training set, with a total of 79,601 samples, a total size of 968,559,512 bytes, and a download size of 371,343,649 bytes.

原始信息汇总

数据集概述

数据集信息

• 特征:
  • book_name: 书籍名称，数据类型为字符串。
  • chunk_index: 分块索引，数据类型为整数（int64）。
  • text: 文本内容，数据类型为字符串。

数据分割

• train:
  • 数据量: 包含79601个样本。
  • 数据大小: 968559512字节。

数据集大小

• 下载大小: 371343649字节。
• 总数据大小: 968559512字节。

配置

• default:
  • 数据文件路径: data/train-*。