Asutosh2003/arxiv_tokenized
收藏Hugging Face2023-07-13 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/Asutosh2003/arxiv_tokenized
下载链接
链接失效反馈官方服务：
资源简介：
---
dataset_info:
features:
- name: article
dtype: string
- name: abstract
dtype: string
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
- name: labels
sequence: int64
splits:
- name: train
num_bytes: 9692577180
num_examples: 203037
- name: validation
num_bytes: 296631062
num_examples: 6436
- name: test
num_bytes: 297275288
num_examples: 6440
download_size: 4391426343
dataset_size: 10286483530
---
# Dataset Card for "arxiv_tokenized"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)
提供机构：
Asutosh2003
原始信息汇总
数据集概述
数据集名称
- 名称: arxiv_tokenized
数据结构
- 特征:
- article: 字符串类型
- abstract: 字符串类型
- input_ids: 整数序列，类型为 int32
- attention_mask: 整数序列，类型为 int8
- labels: 整数序列，类型为 int64
数据分割
- 训练集:
- 示例数量: 203037
- 存储大小: 9692577180 字节
- 验证集:
- 示例数量: 6436
- 存储大小: 296631062 字节
- 测试集:
- 示例数量: 6440
- 存储大小: 297275288 字节
数据集大小
- 下载大小: 4391426343 字节
- 总存储大小: 10286483530 字节
