Roaoch/CyberClassic_True.False

该数据集包含两列：文本和标签。文本列包含单句文本，标签列包含浮点数类型的标签。数据集总共有18826行，其中13048行是来自陀思妥耶夫斯基（F.M. Dostovesky）作品的真实句子，5771行是来自库普林（A.I. Kuprin）作品和RuGPT3生成的虚假句子。真实句子来自陀思妥耶夫斯基的《罪与罚》、《穷人》、《白痴》、《群魔》和《卡拉马佐夫兄弟》。虚假句子来自库普林的《坑》。

This dataset contains two main features: text and labels. text is of string type and contains single sentences; labels is of float64 type and represents labels. The dataset is divided into a training set and a test set, containing 16943 and 1883 samples respectively. The dataset is primarily used for text classification and text generation tasks, with the language being Russian. The dataset is named cyberclassic, with a size between 10K and 100K. The description of the dataset mentions that the text column contains single sentences from the texts of Dostovesky F.M., as well as single sentences from the texts of Kuprin A.I. and sentences generated with RuGPT3.

原始信息汇总

数据集概述

基本信息

• 许可证: MIT
• 数据集名称: cyberclassic
• 任务类别:
  • 文本分类
  • 文本生成
• 语言: 俄语
• 数据集大小: 10K < n < 100K

数据集结构

特征

• text: 字符串类型
• labels: 浮点数类型

数据分割

• 训练集:
  • 样本数量: 16943
  • 字节数: 4079811.5814830554
• 测试集:
  • 样本数量: 1883
  • 字节数: 453419.4185169446

数据文件

• 配置名称: default
  • 训练集路径: data/train-*
  • 测试集路径: data/test-*

数据来源

True label

• 数据量: 13048行
• 来源:
  • 《罪与罚》 - 陀思妥耶夫斯基
  • 《穷人》 - 陀思妥耶夫斯基
  • 《白痴》 - 陀思妥耶夫斯基
  • 《群魔》 - 陀思妥耶夫斯基
  • 《卡拉马佐夫兄弟》 - 陀思妥耶夫斯基

False label

• 数据量: 5771行
• 来源:
  • 《坑》 - 库普林
  • 使用RuGPT3生成的句子