IlyaGusev/librusec

Librusec数据集主要包含俄语文本数据，用于文本生成任务。数据集来源于http://panchenko.me/data/russe/librusec_fb2.plain.gz，并进行了额外的清理。数据集的特征包括id和text，其中id为uint64类型，text为字符串类型。数据集分为一个训练集，包含223,256个样本，总大小为125,126,513,109字节。下载大小为34,905,399,148字节。数据集的语言为俄语，规模类别为100K<n<1M。

原始信息汇总

数据集概述

数据集名称

• Librusec dataset

数据集特征

• id: uint64
• text: string

数据集分割

• train:
  • num_examples: 223256
  • num_bytes: 125126513109

数据集大小

• download_size: 34905399148
• dataset_size: 125126513109

任务类别

• text-generation

语言

• Russian

大小类别

• 100K<n<1M