kmfoda/gov_report

数据集gov_report包含约19.5k份美国政府报告，每份报告都附有专家撰写的摘要。该数据集的特点包括：文档和摘要的长度显著长于现有数据集（如PubMed和arXiv），且重要内容分散在整个文档中，而不是集中在特定部分。这些特性使得GOVREPORT成为生成多段长文档摘要的重要基准。

原始信息汇总

数据集概述

数据集名称

GOV_REPORT

数据集描述

该数据集包含约19.5k份美国政府报告，每份报告附有专家撰写的抽象摘要。报告平均长度为9.4k字，摘要平均长度为553字。与现有数据集如PubMed和arXiv相比，GOV_REPORT的特点在于文档和摘要的长度显著更长，且重要内容分布在整个文档中，而非集中于特定部分。

数据集特征

• source: 数据类型为字符串
• target: 数据类型为字符串

数据集分割

• test: 包含972个样本，占用55710125字节
• train: 包含17519个样本，占用976584268字节
• validation: 包含973个样本，占用57315603字节

数据集大小

• 下载大小: 528419980字节
• 数据集总大小: 1089609996字节