vanderbilt-dsi/narrative-arc

narrative-arc数据集用于叙事弧后处理，包含故事的原始文本及其元数据、用于生成嵌入的转换模型、模型的检查点、存储嵌入的窗口索引以及嵌入本身。数据来源于Project Gutenberg图书馆，主要包含英语短故事。

原始信息汇总

数据集概述

数据集名称

• 名称: narrative-arc

数据集描述

• 描述: 该数据集包含用于叙事弧后处理的故事数据。每个故事实例包括原始文本及其元数据、用于生成嵌入的转换器模型、模型的检查点、存储嵌入的窗口索引以及嵌入本身。

数据集结构

• 数据实例: 每个故事数据实例包括书名、书本元数据、全文以及使用不同模型的嵌入信息。
• 数据字段: 示例数据字段包括书名、书本元数据、全文、模型信息（如distilbert-base-cased和distilbert-base-uncased的窗口索引和嵌入）。

数据集创建

• 来源数据: 数据来源于Project Gutenberg图书馆，主要包含英语短篇故事。
• 数据收集与标准化: 数据从Project Gutenberg收集并进行标准化处理。
• 语言生产者: 每个数据实例代表由人类作者撰写的文本。

许可证信息

• 许可证: MIT

语言

• 多语言性: 单语种（英语）

任务类别

• 任务类别: 文本分类

数据集创建理由

• 理由: 处理后的文本需要存储在既可访问又能容纳大量数据生成的环境中。

数据集使用考虑

• 个人和敏感信息: 不适用
• 其他已知限制: 需要更多信息

贡献者

• 贡献者: 感谢@github-username添加此数据集。