hugfaceguy0001/ClassicNovels

该数据集包含两个主要配置：info和text。info配置提供了书籍的基本信息，包括名称、目录、书籍类型、字数、作者信息（朝代、简介和姓名）以及书籍简介。text配置则提供了书籍的文本信息，包括书籍名称、作者、类别、章节ID、章节名称、章节数量和文本内容。两个配置都包含一个train分割，分别有441和20617个示例。

原始信息汇总

数据集概述

配置信息

配置名称：info

• 特征信息：

  • name: 数据类型为字符串。
  • catalogues: 数据类型为字符串序列。
  • catalogueTotal: 数据类型为整数。
  • bookType: 数据类型为字符串。
  • words: 数据类型为整数。
  • author: 结构化数据，包含以下字段：
    • dynasty: 数据类型为字符串。
    • intro: 数据类型为字符串。
    • name: 数据类型为字符串。
  • intro: 数据类型为字符串。

• 分割信息：

  • train: 数据大小为1568384字节，包含441个示例。
  • 下载大小： 1041411字节。
  • 数据集大小： 1568384字节。

配置名称：text

• 特征信息：

  • book_name: 数据类型为字符串。
  • author: 数据类型为字符串。
  • category: 数据类型为字符串。
  • chapter_id: 数据类型为整数。
  • chapter_name: 数据类型为字符串。
  • N_chapters: 数据类型为整数。
  • text: 数据类型为字符串。

• 分割信息：

  • train: 数据大小为259338573字节，包含20617个示例。
  • 下载大小： 178111852字节。
  • 数据集大小： 259338573字节。

数据文件路径

• info配置：
  • train: 路径为info/train-*。
• text配置：
  • train: 路径为text/train-*。