mimiklee/masterthesis_clean_text_20k_id

该数据集包含用于文本摘要任务的文档和摘要对，每个样本包括一个文档、一个摘要和一个唯一的标识符。数据集分为训练集、验证集和测试集，分别包含20000、1000和1000个样本。

This dataset contains document-summary pairs for text summarization tasks, with each sample including a document, a summary, and a unique identifier. The dataset is divided into training, validation, and test sets, containing 20,000, 1,000, and 1,000 samples respectively.

原始信息汇总

数据集概述

特征

• document: 类型为字符串（string）
• summary: 类型为字符串（string）
• id: 类型为整数（int64）

数据分割

• train:
  • 字节数: 670495326
  • 样本数: 20000
• validation:
  • 字节数: 33456233
  • 样本数: 1000
• test:
  • 字节数: 33942448
  • 样本数: 1000

数据集大小

• 下载大小: 376078489 字节
• 总大小: 737894007 字节

配置

• config_name: default
  • 数据文件路径:
    • train: data/train-*
    • validation: data/validation-*
    • test: data/test-*