imvladikon/he_cnn_dailymail

---
dataset_info:
features:
- name: id
dtype: string
- name: article
dtype: string
- name: highlights
dtype: string
- name: article_en
dtype: string
- name: highlights_en
dtype: string
splits:
- name: train
num_bytes: 2945431371
num_examples: 287113
- name: validation
num_bytes: 134808274
num_examples: 13368
- name: test
num_bytes: 116636491
num_examples: 11490
download_size: 1781960238
dataset_size: 3196876136
task_categories:
- summarization
language:
- he
---
# Dataset Card for "he_cnn_dailymail"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

数据集信息：
特征字段：
- 名称：id，数据类型：字符串
- 名称：article，数据类型：字符串
- 名称：highlights（摘要），数据类型：字符串
- 名称：article_en（英文原文文章），数据类型：字符串
- 名称：highlights_en（英文原文摘要），数据类型：字符串
数据集划分：
- 划分名称：train（训练集），字节数：2945431371，样本数：287113
- 划分名称：validation（验证集），字节数：134808274，样本数：13368
- 划分名称：test（测试集），字节数：116636491，样本数：11490
下载大小：1781960238
数据集总大小：3196876136
任务类别：
- 文本摘要（summarization）
语言：
- 希伯来语（he）

# 希伯来语版CNN/DailyMail（he_cnn_dailymail）数据集卡片

【需补充更多信息】(https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集名称

• 名称: he_cnn_dailymail

数据集特征

• 特征列表:
  • id: 数据类型为字符串
  • article: 数据类型为字符串
  • highlights: 数据类型为字符串
  • article_en: 数据类型为字符串
  • highlights_en: 数据类型为字符串

数据集分割

• 训练集:
  • 样本数量: 287113
  • 数据大小: 2945431371 字节
• 验证集:
  • 样本数量: 13368
  • 数据大小: 134808274 字节
• 测试集:
  • 样本数量: 11490
  • 数据大小: 116636491 字节

数据集大小

• 下载大小: 1781960238 字节
• 数据集总大小: 3196876136 字节

任务类别

• 任务: 摘要生成

语言

• 语言: 希伯来语