WhiteGiverPlus/threom_chunk_en35k

该数据集包含三个主要特征：书名（book_name）、定理编号（theorem_number）和文本内容（text）。数据集分为一个训练集（train），包含35,110个样本，总大小为353,642,761字节。下载大小为144,548,430字节。数据集的默认配置指定了训练集数据文件的路径。

The dataset contains three main features: book_name, theorem_number, and text. The dataset is divided into a training set (train) with 35,110 samples and a total size of 353,642,761 bytes. The download size is 144,548,430 bytes. The default configuration of the dataset specifies the path to the training set data files.

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。
  • theorem_number: 定理编号，数据类型为字符串。
  • text: 文本内容，数据类型为字符串。

数据分割

• 训练集:
  • 名称: train
  • 字节数: 353,642,761.0
  • 样本数: 35,110

数据集大小

• 下载大小: 144,548,430 字节
• 数据集总大小: 353,642,761.0 字节

配置

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