该数据集包含261,224个训练样本，主要特征包括文本长度（text_token_length）、文本内容（text）和提示（prompt）。数据集的总大小为967,974,254.0524609字节，下载大小为406,665,342字节。数据集的配置名为default，数据文件路径为data/train-*。

Hugging Face2024-12-08 更新110

FairytaleQA

儿童文学

教育技术

该数据集名为FairytaleQA，专为教育目的构建，基于故事书内容。每本书被划分为若干章节，标注者据此创作了叙事性质的问题和答案对。问题根据七种问题类型进行标注，以捕捉叙事元素和关系，并分为显性或隐性。该数据集涵盖了232本书，共8,548个问答对，其任务是生成问题（Question Generation, Qg）。

arXiv90

Piros/CamStories_full

儿童文学

自然语言处理

CamStories-Full是一个完整的、经过清洗和合并的儿童小说故事语料库，来源于TinyStories GPT-4变体和SimpleStories数据集。它采用了与CamStories-10k相同的清洗、名称标准化和语法过滤流程，保留了31,244个token的完整未大小写敏感词汇表，是CamStories-10k的超集，具有更多的词汇多样性。同时，为每个词汇项提供了音频向量，支持两种音频格

Hugging Face2025-08-10 更新120

MikiV/gutenberg_children_books_cleaned

儿童文学

自然语言处理

--- dataset_info: features: - name: id dtype: string - name: title dtype: string - name: author dtype: string - name: text dtype: string - name: input_ids list: int32

Hugging Face2025-12-13 更新100

NorGrambank children's fiction in Norwegian Nynorsk

资源简介：

相关数据集