BoltMonkey/stories_by_complexity

该数据集包含31156个为4至16岁儿童设计的短篇故事，这些故事是使用GPT4生成的合成数据。除了故事标题、摘要和正文外，还包括故事的类型、叙述方式、时态、主题的年龄适宜性以及文本复杂度指标。文本复杂度指标通过textstat库计算，包括Flesch-Kincaid、Gunning Fog Index、SMOG Index和Automated Readability Index。此外，还计算了阅读年龄适宜性指标。数据集旨在试验基于课程的大型语言模型训练计划，但也适用于任何故事生成的微调应用。数据集包含大约300个不同的角色描述和500个不同的事件，这些被随机选择以生成GPT4的提示。数据集许可为非商业用途，并鼓励用户以道德方式使用。This dataset contains 31,156 short stories designed for children aged 4 to 16, which are synthetic data generated by GPT-4. In addition to story titles, abstracts and full texts, the dataset also includes story genre, narrative mode, tense, age appropriateness of themes, and text complexity metrics. The text complexity metrics, calculated via the textstat library, include Flesch-Kincaid, Gunning Fog Index, SMOG Index and Automated Readability Index. Additionally, reading age appropriateness metrics are also computed. This dataset is intended for experimenting with curriculum-based large language model (LLM) training regimens, but is also applicable to any fine-tuning application for story generation. The dataset includes approximately 300 distinct character descriptions and 500 distinct events, which are randomly selected to craft prompts for GPT-4 generation. The dataset is licensed for non-commercial use only, and users are encouraged to utilize it ethically.

原始信息汇总

儿童故事数据集

概述

• 数据集名称: Childrens Stories
• 数据格式: JSON
• 故事数量: 31156
• 适用年龄: 4至16岁
• 数据来源: 由GPT4生成，为合成数据集

内容

• 故事元素:
  • 标题
  • 摘要
  • 故事文本
  • 类型
  • 叙述方式
  • 时态
  • 主题的年龄适宜性（由GPT4确定）
  • 文本复杂度指标

文本复杂度指标

• 计算方法: 使用textstat库计算
• 指标类型:
  • Flesch-Kincaid
  • Gunning Fog Index
  • SMOG Index
  • Automated Readability Index

阅读年龄适宜性

• 计算方法: 将复杂度指标截断至12，取平均值，返回reading_complexity值，上限为故事主题适宜年龄

数据生成

• 角色描述: 约300种
• 事件描述: 约500种
• 生成方式: 随机选择角色和事件作为GPT4生成故事的提示

使用许可

• 许可类型: CC BY-NC 4.0
• 使用限制: 仅限非商业用途