eaglewatch/CBT_augmented_dataset_2

该数据集包含用于摘要生成和文本到文本生成任务的医学和精神病学相关文本数据。数据集分为训练集、验证集和测试集，分别包含42000、10500和2142个样本。每个样本包含summary和text两个特征，数据类型均为字符串。数据集的总下载大小为195717988字节，总大小为299560469字节。配置文件指定了各个分割的数据文件路径。数据集使用Apache-2.0许可证。

原始信息汇总

数据集概述

特征

• summary: 数据类型为字符串。
• text: 数据类型为字符串。

数据分割

• train: 包含42000个样本，占用230333130字节。
• val: 包含10500个样本，占用57561745字节。
• test: 包含2142个样本，占用11665594字节。

数据大小

• 下载大小: 195717988字节。
• 数据集大小: 299560469字节。

配置

• default:
  • train: 路径为data/train-*。
  • val: 路径为data/val-*。
  • test: 路径为data/test-*。

许可

• license: apache-2.0

任务类别

• summarization
• text2text-generation

标签

• medical
• psychiatry

大小类别

• 10K<n<100K