LumberChunker/GutenQA_Paragraphs

GutenQA-Paragraphs数据集基于100本公共领域的叙事书籍，段落级别的文本被提取出来。数据集按照书籍名称、书籍ID、段落ID、章节和段落内容进行组织。该数据集可以作为基础数据应用于不同的文本分割方法，如Lumberchunker、递归字符分割、语义分块和命题分割等。GutenQA-Paragraphs数据集基于100本公共领域的叙事书籍，段落级别的文本被提取出来。数据集按照书籍名称、书籍ID、段落ID、章节和段落内容进行组织。该数据集可以作为基础数据应用于不同的文本分割方法，如Lumberchunker、递归字符分割、语义分块和命题分割等。