davanstrien/Haiku_Dataset

该数据集名为Haiku Dataset，主要用于文本生成任务。数据集包含两个特征：haiku和source，分别存储俳句文本和来源信息。数据集分为一个训练集，包含144,123个样本，总大小为11,725,740字节。数据集的语言为英语，许可证为CC-BY-4.0。

原始信息汇总

数据集概述

数据集信息

• 特征:
  • haiku: 类型为字符串
  • source: 类型为字符串
• 分割:
  • train: 字节数为11725740，样本数为144123
• 下载大小: 7554208字节
• 数据集大小: 11725740字节

配置

• 默认配置:
  • 数据文件:
    • train: 路径为data/train-*

许可

• 许可证: cc-by-4.0

任务类别

• 文本生成

语言

• 英语

数据集名称

• Haiku Dataset

搜集汇总

背景与挑战

背景概述

该数据集是一个英文俳句集合，包含约14.4万条文本数据，适用于文本生成任务。数据以parquet格式存储，遵循CC BY 4.0开放许可证，来源主要为tempslibres等平台，特点是专注于短诗形式的自然语言处理应用。