Tuan-NT/vietnamese-summarization

---
dataset_info:
features:
- name: id
dtype: int64
- name: document
dtype: string
- name: summary
dtype: string
- name: source
dtype: string
splits:
- name: train
num_bytes: 248209032
num_examples: 72842
- name: val
num_bytes: 53370714
num_examples: 15609
- name: test
num_bytes: 53166887
num_examples: 15610
download_size: 179887919
dataset_size: 354746633
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: val
path: data/val-*
- split: test
path: data/test-*
---

数据集信息：
特征字段：
1. 样本ID（id）：数据类型为64位整数（int64）
2. 原文（document）：数据类型为字符串（string）
3. 摘要（summary）：数据类型为字符串（string）
4. 来源（source）：数据类型为字符串（string）
数据集划分：
1. 训练集（train）：占用字节数248,209,032，共包含72,842条样本
2. 验证集（val）：占用字节数53,370,714，共包含15,609条样本
3. 测试集（test）：占用字节数53,166,887，共包含15,610条样本
下载总大小：179,887,919字节；数据集总占用大小：354,746,633字节
配置项：
- 默认配置（default）：数据文件路径规则为：
- 训练集对应`data/train-*`
- 验证集对应`data/val-*`
- 测试集对应`data/test-*`