Arjun4707/cnn-news
收藏资源简介：
--- dataset_info: features: - name: article dtype: string - name: highlights dtype: string - name: id dtype: string - name: input_ids sequence: int32 - name: attention_mask sequence: int8 - name: labels sequence: int64 splits: - name: train num_bytes: 2663163360 num_examples: 287113 - name: validation num_bytes: 122276019 num_examples: 13368 - name: test num_bytes: 105346607 num_examples: 11490 download_size: 1416997977 dataset_size: 2890785986 configs: - config_name: default data_files: - split: train path: data/train-* - split: validation path: data/validation-* - split: test path: data/test-* ---
dataset_info: 数据集信息 features: 特征 - 名称：article（文章），数据类型：字符串 - 名称：highlights（摘要亮点），数据类型：字符串 - 名称：id（标识符），数据类型：字符串 - 名称：input_ids（输入Token序列），数据类型：int32序列 - 名称：attention_mask（注意力掩码），数据类型：int8序列 - 名称：labels（标签序列），数据类型：int64序列 splits: 数据集划分 - 名称：train（训练集），字节数：2663163360，样本数量：287113 - 名称：validation（验证集），字节数：122276019，样本数量：13368 - 名称：test（测试集），字节数：105346607，样本数量：11490 下载大小：1416997977 字节，数据集总大小：2890785986 字节 configs: 配置项 - 配置名称：default（默认配置），数据文件： - 划分：train（训练集），路径：data/train-* - 划分：validation（验证集），路径：data/validation-* - 划分：test（测试集），路径：data/test-*
数据集概述
特征信息
- article: 数据类型为字符串。
- highlights: 数据类型为字符串。
- id: 数据类型为字符串。
- input_ids: 数据类型为整数序列，类型为int32。
- attention_mask: 数据类型为整数序列，类型为int8。
- labels: 数据类型为整数序列，类型为int64。
数据分割
- 训练集 (train): 包含287113个样本，总字节数为2663163360。
- 验证集 (validation): 包含13368个样本，总字节数为122276019。
- 测试集 (test): 包含11490个样本，总字节数为105346607。
数据集大小
- 下载大小: 1416997977字节。
- 数据集总大小: 2890785986字节。
配置信息
- 默认配置 (default):
- 训练集路径:
data/train-* - 验证集路径:
data/validation-* - 测试集路径:
data/test-*
- 训练集路径:
