BEE-spoke-data/sarcasm-scrolls

该数据集包含各种讽刺媒体的段落分割音频转录。

原始信息汇总

数据集概述

基本信息

• 语言: 英语
• 许可证: odc-by
• 大小类别: 1K<n<10K
• 任务类别: 文本生成

数据集结构

特征

• section: 字符串类型
• filename: 字符串类型
• text: 字符串类型

分割

• train:
  • 字节数: 31705529
  • 样本数: 4937

文件大小

• 下载大小: 18588797
• 数据集大小: 31705529

配置

• config_name: default
  • data_files:
    • split: train
    • path: data/train-*

统计信息

• GPT-4 tiktoken 令牌计数:
  • 总数: 7.38 M 令牌
  • 统计数据:
    • count: 4937.000000
    • mean: 1495.166295
    • std: 2787.318839
    • min: 44.000000
    • 25%: 419.000000
    • 50%: 599.000000
    • 75%: 955.000000
    • max: 59143.000000